这是一本能指导读者快速掌握PyTorch和深度学习的著作，从PyTorch的原理到应用，从深度学习到强化学习，本书提供了全栈解决方案。
第1版上市后销量和口碑俱佳，是深度学习领域的畅销书，被誉为PyTorch领域的标准著作。第2版在第1版的基础上，去芜存菁，与时具进，根据PyTorch新版本全面升级，技术性、实战性、针对性、丰富性、易读性均得到了进一步提升，必定能帮助读者更轻松、更高效地进入深度学习的世界。
全书一共19章，在结构上分为三大部分：
第一部分（第1～4章）PyTorch基础，首先有针对性地讲解了Python和PyTorch的基石NumPy中的关键知识，然后详细讲解了PyTorch的基础知识、神经网络工具箱和数据处理工具箱等内容，帮助读者快速了解和掌握PyTorch。
第二部分（第5～10章）深度学习基础，依次讲解了机器学习、视觉处理、自然语言处理、注意力机制、目标检测、语义分割、生成式深度学习等机器学习和深度学习的核心技术的原理和使用。
第三部分（第11～19章）深度学习实践，通过实战案例的方式，详细讲解了PyTorch在人脸检测和识别、迁移学习、中英文互译、图像分类、语义分割、生成式网络、对抗攻击等领域的应用和解决方案。强化学习重点介绍了强化学习和深度强化学习的基础理论、常用算法及相关实例。
更为重要的是，为了让本书通俗易懂，在内容安排和写作方式上也颇花了一番心思。内容选择上，广泛涉猎、重点突出、注重实战；内容安排上，实例切入、由浅入深、循序渐进；表达形式上，深度抽象、化繁为简、用图说话。

吴茂贵，资深大数据和人工智能技术专家，就职于中国外汇交易中心，在BI、数据挖掘与分析、数据仓库、机器学习等领域工作超过20年。在基于Spark、TensorFlow、PyTorch、Keras等的机器学习和深度学习方面有大量的工程实践经验。著有《Python深度学习：基于TensorFlow》《深度实践Spark机器学习》《自己动手做大数据系统》等。

前言
第1版前言
第一部分 PyTorch基础
第1章 NumPy基础知识
1.1 生成NumPy数组
1.1.1 数组属性
1.1.2 利用已有数据生成数组
1.1.3 利用 random 模块生成数组
1.1.4 生成特定形状的多维数组
1.1.5 利用arange、linspace函数生成数组
1.2 读取数据
1.3 NumPy的算术运算
1.3.1 逐元素操作
1.3.2 点积运算
1.4 数组变形
1.4.1 修改数组的形状
1.4.2 合并数组
1.5 批处理
1.6 节省内存
1.7 通用函数
1.8 广播机制
1.9 小结
第2章 PyTorch基础知识
2.1 为何选择PyTorch
2.2 PyTorch的安装配置
2.2.1 安装CPU版PyTorch
2.2.2 安装GPU版PyTorch
2.3 Jupyter Notebook环境配置
2.4 NumPy与Tensor
2.4.1 Tensor概述
2.4.2 创建Tensor
2.4.3 修改Tensor形状
2.4.4 索引操作
2.4.5 广播机制
2.4.6 逐元素操作
2.4.7 归并操作
2.4.8 比较操作
2.4.9 矩阵操作
2.4.10 PyTorch与NumPy比较
2.5 Tensor与autograd
2.5.1 自动求导要点
2.5.2 计算图
2.5.3 标量反向传播
2.5.4 非标量反向传播
2.5.5 切断一些分支的反向传播
2.6 使用NumPy实现机器学习任务
2.7 使用Tensor及autograd实现机器学习任务
2.8 使用优化器及自动微分实现机器学习任务
2.9 把数据集转换为带批量处理功能的迭代器
……
第二部分 深度学习基础
第三部分 深度学习实战