PyTorch深度学习实战（第2版）

关于本书

一直想入门深度学习，却总被晦涩的理论、繁琐的工具挡在门外？PyTorch核心开发者黄豪撰写的这本经典畅销书升级版，或许正是你苦苦寻觅的入门首选。 这本《深度学习：基于PyTorch的实践（第二版）》里，他既补充了Transformer架构、生成式AI模型领域的最新研究成果，也延续了原作深入浅出的写作风格——习惯使用NumPy等PyData生态工具的用户几乎不用额外适应，哪怕完全没有基础也能轻松跟上学习节奏。 PyTorch完全贴合Python的使用逻辑，大幅降低了深度学习的入门门槛，却从未对高阶功能的可用性做任何妥协。翻开这本书，你将从零开始搭建专属的神经网络与深度学习系统，还能充分解锁PyTorch内置的自动微分、硬件加速、分布式训练等一系列实用功能。 你很快就会发现，用PyTorch搭建完整的深度学习流程居然能如此顺畅：从调用PyTorch张量API、用Python加载数据集，到监控模型训练状态、可视化结果，全链路都清晰明了。每一章讲解的新知识点都会搭配可直接上手的实用代码示例，边学边练，到最后你甚至能独立完成卷积神经网络、Transformer模型的搭建，还能亲手落地一个医疗图像分类实战项目。 这本全面修订的第二版将带你系统掌握核心内容：通过动手实操项目巩固深度学习基础理论，灵活运用PyTorch API走完神经网络开发全流程，亲手实现CNN、Transformer、扩散模型，学习模型训练与部署的优化技巧，还能搭建可生成图像、文本的生成式AI模型。 作为当下最受欢迎的深度学习框架之一，PyTorch将复杂的深度学习逻辑封装得足够简单，却依然保留了搭建高效神经网络、大语言模型及其他机器学习模型所需的全部功能。它的设计完全贴合Python的使用习惯，用过NumPy、Scikit-learn等机器学习工具的用户几乎可以无缝上手。这本全面修订的第二版覆盖了PyTorch的最新功能更新，还包含搭建与调优生成式AI模型的全流程讲解。 《深度学习：基于PyTorch的实践（第二版）》会基于最新的PyTorch版本带你一步步搭建神经网络模型，清晰的讲解搭配实操项目，既能帮你打牢基础，也能带你探索涵盖Transformer、大语言模型在内的先进架构。在学习过程中，