深度学习入门之PyTorch 下载 pdf 电子版 epub 免费 txt 2025

《深度学习入门之PyTorch》深度学习如今已经成为科技领域最炙手可热的技术，在《深度学习入门之PyTorch》中，我们将帮助你入门深度学习。《深度学习入门之PyTorch》将从机器学习和深度学习的基础理论入手，从零开始学习 PyTorch，了解 PyTorch 基础，以及如何用 PyTorch 框架搭建模型。通过阅读《深度学习入门之PyTorch》，你将学到机器学习中的线性回归和 Logistic 回归、深度学习的优化方法、多层全连接神经网络、卷积神经网络、循环神经网络，以及生成对抗网络，最后通过实战了解深度学习前沿的研究成果，以及 PyTorch 在实际项目中的应用。《深度学习入门之PyTorch》将理论和代码相结合，帮助读者更好地入门深度学习，适合任何对深度学习感兴趣的人阅读。

第 1 章 深度学习介绍 1

1.1 人工智能 1

1.2 数据挖掘、机器学习与深度学习2

1.2.1 数据挖掘 3

1.2.2 机器学习 3

1.2.3 深度学习 4

1.3 学习资源与建议 8

第 2 章 深度学习框架 11

2.1 深度学习框架介绍 . 11

2.2 PyTorch 介绍. 13

2.2.1 什么是 PyTorch. 13

2.2.2 为何要使用 PyTorch 14

2.3 配置 PyTorch 深度学习环境 15

2.3.1 操作系统的选择. 15

2.3.2 Python 开发环境的安装 16

2.3.3 PyTorch 的安装. 18

第 3 章 多层全连接神经网络 24

3.1 热身：PyTorch 基础 24

3.1.1 Tensor（张量）. 24

3.1.2 Variable（变量）26

3.1.3 Dataset（数据集）28

3.1.4 nn.Module（模组） 29

3.1.5 torch.optim（优化） 30

3.1.6 模型的保存和加载 31

3.2 线性模型 32

3.2.1 问题介绍 32

3.2.2 一维线性回归33

3.2.3 多维线性回归34

3.2.4 一维线性回归的代码实现. 35

3.2.5 多项式回归 38

3.3 分类问题 42

3.3.1 问题介绍 42

3.3.2 Logistic 起源 42

3.3.3 Logistic 分布 42

3.3.4 二分类的 Logistic 回归 43

3.3.5 模型的参数估计. 44

3.3.6 Logistic 回归的代码实现45

3.4 简单的多层全连接前向网络 . 49

3.4.1 模拟神经元 49

3.4.2 单层神经网络的分类器 50

3.4.3 激活函数 51

3.4.4 神经网络的结构. 54

3.4.5 模型的表示能力与容量 55

3.5 深度学习的基石：反向传播算法57

3.5.1 链式法则 57

3.5.2 反向传播算法58

3.5.3 Sigmoid 函数举例58

3.6 各种优化算法的变式59

3.6.1 梯度下降法 59

3.6.2 梯度下降法的变式 62

3.7 处理数据和训练模型的技巧 . 64

3.7.1 数据预处理 64

3.7.2 权重初始化 66

3.7.3 防止过拟合 67

3.8 多层全连接神经网络实现 MNIST 手写数字分类 69

3.8.1 简单的三层全连接神经网络70

3.8.2 添加激活函数70

3.8.3 添加批标准化71

3.8.4 训练网络 71

第 4 章 卷积神经网络 76

4.1 主要任务及起源 76

4.2 卷积神经网络的原理和结构 . 77

4.2.1 卷积层80

4.2.2 池化层84

4.2.3 全连接层 85

4.2.4 卷积神经网络的基本形式. 85

4.3 PyTorch 卷积模块 . 87

4.3.1 卷积层87

4.3.2 池化层88

4.3.3 提取层结构 90

4.3.4 如何提取参数及自定义初始化 91

4.4 卷积神经网络案例分析. 92

4.4.1 LeNet. 93

4.4.2 AlexNet94

4.4.3 VGGNet 95

4.4.4 GoogLeNet . 98

4.4.5 ResNet100

4.5 再实现 MNIST 手写数字分类 . 103

4.6 图像增强的方法 105

4.7 实现 cifar10 分类 107

第 5 章 循环神经网络 111

5.1 循环神经网络111

5.1.1 问题介绍 112

5.1.2 循环神经网络的基本结构. 112

5.1.3 存在的问题 115

5.2 循环神经网络的变式：LSTM 与 GRU 116

5.2.1 LSTM. 116

5.2.2 GRU. 119

5.2.3 收敛性问题 120

5.3 循环神经网络的 PyTorch 实现 122

5.3.1 PyTorch 的循环网络模块122

5.3.2 实例介绍 127

5.4 自然语言处理的应用131

5.4.1 词嵌入131

5.4.2 词嵌入的 PyTorch 实现 133

5.4.3 N Gram 模型 133

5.4.4 单词预测的 PyTorch 实现134

5.4.5 词性判断 136

5.4.6 词性判断的 PyTorch 实现137

5.5 循环神经网络的更多应用140

5.5.1 Many to one 140

5.5.2 Many to Many（shorter）141

5.5.3 Seq2seq141

5.5.4 CNN+RNN . 142

第 6 章 生成对抗网络 144

6.1 生成模型 144

6.1.1 自动编码器 145

6.1.2 变分自动编码器. 150

6.2 生成对抗网络153

6.2.1 何为生成对抗网络 153

6.2.2 生成对抗网络的数学原理. 160

6.3 Improving GAN164

6.3.1 Wasserstein GAN. 164

6.3.2 Improving WGAN167

6.4 应用介绍 168

6.4.1 Conditional GAN. 168

6.4.2 Cycle GAN . 170

第 7 章 深度学习实战 173

7.1 实例一——猫狗大战：运用预训练卷积神经网络进行特征提取与预测 . 173

7.1.1 背景介绍 174

7.1.2 原理分析 174

7.1.3 代码实现 177

7.1.4 总结. 183

7.2 实例二——Deep Dream：探索卷积神经网络眼中的世界183

7.2.1 原理介绍 184

7.2.2 预备知识：backward . 185

7.2.3 代码实现 190

7.2.4 总结. 195

7.3 实例三——Neural-Style：使用 PyTorch 进行风格迁移196

7.3.1 背景介绍 196

7.3.2 原理分析 197

7.3.3 代码实现 199

7.3.4 总结. 205

7.4 实例四——Seq2seq：通过 RNN 实现简单的 Neural Machine Translation . 205

7.4.1 背景介绍 206

7.4.2 原理分析 206

7.4.3 代码实现 209

7.4.4 总结. 221

廖星宇，目前就读于中国科学技术大学应用数学系，获得国家一等奖学金。在个人博客、知乎等平台上发布多篇关于深度学习的文章，具有一定的阅读量和人气。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：深度学习入门之PyTorch在线阅读

在线听书地址：深度学习入门之PyTorch在线收听

在线购买地址：深度学习入门之PyTorch在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

《深度学习入门之PyTorch》深度学习如今已经成为科技领域最炙手可热的技术，在《深度学习入门之PyTorch》中，我们将帮助你入门深度学习。《深度学习入门之PyTorch》将从机器学习和深度学习的基础理论入手，从零开始学习 PyTorch，了解 PyTorch 基础，以及如何用 PyTorch 框架搭建模型。通过阅读《深度学习入门之PyTorch》，你将学到机器学习中的线性回归和 Logistic 回归、深度学习的优化方法、多层全连接神经网络、卷积神经网络、循环神经网络，以及生成对抗网络，最后通过实战了解深度学习前沿的研究成果，以及 PyTorch 在实际项目中的应用。《深度学习入门之PyTorch》将理论和代码相结合，帮助读者更好地入门深度学习，适合任何对深度学习感兴趣的人阅读。

• 作者：无言的守护者 发布时间：2020-08-24 21:13:36

  我觉得作者的对统计的理解还有可以提升的空间。但是这本书已经非常不错了。

• 作者：刚洗了热水澡 发布时间：2018-03-30 09:12:17

  跟官网tutorial区别不大，骗钱性质

• 作者：狮子吃鲅鱼 发布时间：2023-12-28 17:51:24

  太喜欢这个版本了，翻译得真好。舍不得看完了，留了一点！

• 作者：企鹅啊啊啊 发布时间：2018-01-07 16:17:57

  没买的别买了。。。。

  不如网上博客写的好，流水账一般的。。。不如看文档。。。

• 作者：西泽新兵卫 发布时间：2023-02-25 09:44:43

  2017年读。

• 作者：青实 发布时间：2019-01-08 15:00:31

  是系统性的博客总结成书。但排版成书的技术文档基本都已落后，眼见 PyTorch 1.0 都发布了。另外，书和 GitHub 上的代码对不上号，学习连贯性不是很好。

• 值得推荐的性教育读本——《善解童真：小学生性教育读本》

  作者：红黄蓝VS黑白灰 发布时间：2023-03-04 01:11:27

  胡萍老师堪称中国儿童性教育第一人，她当过儿科医生，做过医科老师，她从2001年开始研究性教育，特别是儿童的性教育。她的著作很多，其中就有这套写给小学生的性教育读本。

  这套读本按年级分，总共六本，每本都按照六大主题：性别平等、珍爱生命、自我保护、个人成长、家庭生活、同伴关系来展开。每本书的讲述都是按照相应年龄段的孩子认知水平来展开的。而且配有插图，便于孩子理解。更难能可贵的是书中还有给父母收听的音频——“父母课堂”，指导父母怎样和孩子共同这本书。

  这大概是我见过的最好的儿童性教育读本了。这套书不仅适合孩子，同样也适合父母。这对于那些从来没有接受过正规性教育的父母来说，亦是一次迟来的接受教育的机会。随书附送的音频是胡萍老师的声音，她对关于性教育科学知识的讲解让你不由得肃然起敬，不仅能解决孩子性教育的实际问题，还让家长也受益匪浅。胡萍老师的声音坚定而又充满了亲和力，让你感觉不到任何科学以外的东西。

  对于胡萍老师的坚持成就，我由衷的佩服。她敢于挑战社会的偏见，做一个性教育家。敢于把她自己在一线的研究成果传播给大众，让更多的人收益。可惜老天却让她的生命定格在2022年11月9日。真是天妒英才……

  开卷有益，这套丛书绝对是让你有益的书之一。

• 绝对5星推荐

  作者：安之若素 发布时间：2018-12-02 11:45:06

  绝对是5星推荐。在买这本书之前，我看了豆瓣的评论也不想买的，后来双十一凑单，就买了，绝对超值。和 《

  深度学习框架PyTorch：入门与实践

  》结合起来看，更好。

  这本书注重基本的深度学习知识，虽然没有深入，但是常用的深度学习知识都有涉及，而且作者理解很好，通过作者说出来，反而加深了我对部分知识的理解，或许我之前理解及没有深入吧。

  作者在阐述每个例子的时候，有理论，有实践，有分析，很好的。

  而《

  深度学习框架PyTorch：入门与实践

  》是讲解pytorch，这两个配合起来，可以使读者对pytorch和深度学习都有加深的理解。绝对是五星推荐。

  如果能把这本书和《

  深度学习框架PyTorch：入门与实践

  》上所有的例子和每个理论与相关的论文都刷了，功力绝对有提升。

  最后再一次5星推荐。