2019年新书-《PyTorch实战-一个解决问题的方法》精品教材分享

深度学习目前最流行的框架是Tensorflow和PyTorch，市面上讲解Tensorflow的实战教材很多，但关于PyTorch的书却很少。今天给大家推荐一本2019年最新出炉的新书《PyTorch实战 - 一个解决问题的方法》。本书内容很新，由浅入深，全面讲解了如何基于PyTorch框架搭建深度学习模型，进行模型部署的方方面面，是一本不可多得的PyTorch入门书籍。

文末附本书下载方式。

本书介绍

人工智能产品和解决方案的开发最近已经成为一种常态；因此，对基于图论的计算框架的需求正在上升。当建模框架是动态的、灵活的，并且能够适应其他框架时，让深度学习模型在实际应用中工作是可能的。

PyTorch最近加入了图形计算工具/编程语言联盟。针对以前框架的局限性，PyTorch承诺在部署深度学习模型以及使用卷积神经网络、递归神经网络、LSTMs和深度神经网络的组合创建高级模型方面提供更好的用户体验。PyTorch是由Facebook的人工智能研究部门创建的，该部门旨在使模型开发过程简单、直接、动态，这样开发人员就不必担心在编译和执行模型之前声明对象。它基于Torch框架，是Python的扩展。

这本书面向数据科学家、自然语言处理工程师、人工智能解决方案开发人员、从事图形计算框架的现有从业人员以及图论研究人员。这本书主要讲解张量（Tensor）的基础知识、计算、执行基于算术的运算、矩阵代数和使用PyTorch框架的基于统计分布式运算。

第3章和第4章提供了关于神经网络基础知识的详细描述。探索先进的神经网络，如卷积神经网络、递归神经网络和LSTMs。读者将能够使用PyTorch函数实现这些模型。第5章和第6章主要讲解模型的微调、超参数调整以及生产环境中如何对现有PyTorch模型进行改进。读者将学习如何选择超级参数来微调模型。第7章主要讲解自然语言处理相关的应用。深度学习模型及其在自然语言处理和人工智能中的应用是该行业最苛刻的技能之一。读者将能够在深度学习模型中对PyTorch实现的执行和性能进行测试，以执行和处理自然语言。能够将PyTorch与其他基于图形计算的深度学习编程工具进行比较。

目录