PyTorch深度學習實戰（第二版）

關於本書

如果你是 PyTorch 深度學習領域的愛好者，《Deep Learning with PyTorch》第二版絕對值得你靜心細讀。 本書由 PyTorch 核心開發者 Howard Huang 親自執筆，在備受讚譽的初版之上，全面納入了轉換器（transformer）架構與生成式 AI 模型的最新進展。對熟悉 NumPy 等 PyData 工具的讀者來說，PyTorch 不僅易於上手，也保留了豐富的進階功能，可說是踏入深度學習世界的一座絕佳橋樑。 翻開本書，你將學會從零開始打造自己的神經網路與深度學習系統，並靈活運用 PyTorch 內建的自動微分、硬體加速與分散式訓練等功能。你會一步步掌握建構完整深度學習流程的各個環節——從 PyTorch Tensor API 的操作、Python 資料載入、訓練過程的監控，到成果的視覺化，每一步都有清楚的指引。書中每章介紹的新技術，皆搭配實用的程式碼範例，讓你透過實作真正吸收所學；讀到最後，你將能親手打造卷積神經網路、轉換器，甚至一個真正可用的醫療影像分類器。 《Deep Learning with PyTorch》第二版將帶領你以實作專案扎實奠定深度學習的基礎，精通 PyTorch 靈活的神經網路開發 API，實作卷積神經網路、轉換器與擴散模型，優化訓練與部署流程，並運用生成式 AI 模型創造影像與文字。 PyTorch 是一套強大的函式庫，讓深度學習變得平易近人，卻依然保有建構高效神經網路、大型語言模型（LLM）及其他機器學習模型所需的關鍵功能。它承襲了 Python 一貫的設計風格，對於熟悉 NumPy、Scikit-learn 等框架的使用者而言，幾乎毫無門檻。本書全面修訂的第二版，涵蓋了 PyTorch 的最新進展，包括如何打造與精煉生成式 AI 模型。 《Deep Learning with PyTorch》第二版以清晰的解說搭配實務專案，引領你運用最新版的 PyTorch 建構神經網路模型。透過本書，你不僅能打下深厚的基礎，還能探索轉換器與大型語言模型等進階架構，沿途你將