前言

PyTorch以其灵活性和易用性吸引了数据科学专业人士和深度学习业者的注意。本书介绍了深度学习和PyTorch的基本组成部分，并展示了如何使用可行方法解决真实问题，以及一些用于解决当代前沿研究问题的现代体系结构和技术。

本书在不深入数学细节的条件下，给出了多个先进深度学习架构的直观解释，如ResNet、DenseNet、Inception和Seq2Seq等，也讲解了如何进行迁移学习，如何使用预计算特征加速迁移学习，以及如何使用词向量、预训练的词向量、LSTM和一维卷积进行文本分类。

阅读完本书后，读者将会成为一个熟练的深度学习人才，能够利用学习到的不同技术解决业务问题。