比Tensorflow還精美的人工智慧套件：PyTorch讓你愛不釋手 pdf epub mobi txt 电子书 下载 2025

☆☆☆☆☆

圖書標籤:

• PyTorch
• 深度學習
• 人工智能
• 機器學習
• TensorFlow
• 神經網絡
• Python
• 模型構建
• 數據科學
• 計算機視覺

選擇PyTorch 的原因：
　　簡潔優雅的設計   
　　統一好用的介麵
　　追風逐電的速度
　　變化無方的靈活性

　　■ 簡潔：：PyTorch 的設計追求最少的封裝，盡量避免重復造輪子。簡潔的設計帶來的另一個好處是程式易於瞭解。

　　■ 速度：PyTorch 的靈活性不以速度為代價，在許多評測中，PyTorch的速度錶現勝過TensorFlow、Keras 等架構。

　　■ 好用：PyTorch 是所有的架構中物件導嚮設計的最優雅的。PyTorch的針對對象的介麵設計來自Torch，而Torch 的介麵設計以靈活好用而著稱。PyTorch 的設計最符閤人的思維，所思即所得，不需考慮太多關於架構本身的束縛。

　　■ 活躍的社區：PyTorch 提供完整的文件，循序漸進的指南，作者親自維護的論壇供使用者交流和求教問題。Facebook 人工智慧研究院對PyTorch 提供強力支持。

　　本書內容由淺入深，無論是深度學習的初學者，還是初次接觸PyTorch的研究人員，都能在學習本書的過程中快速掌握PyTorch。即使是有PyTorch使用經驗者，也能夠獲得對PyTorch不一樣的理解。

　　適用：PyTorch、深度學習初學者、具PyTorch使用經驗者。

　　本書的所有程式都開放原始碼在GitHub【github.com/chenyuntc/pytorch-book】上

作者簡介

陳雲  

　　Python程式師、Linux愛好者、PyTorch源碼貢獻者，主要研究電腦視覺、機器學習。
　　「2017知乎-看山杯機器學習挑戰賽」一等奬，「2017天池醫療AI大賽」第八名。熱衷推廣PyTorch，活躍於PyTorch論壇和知乎相關討論區。

01  PyTorch 簡介
1.1 PyTorch 的誕生
1.2 常見的深度學習架構簡介
1.3 屬於動態圖的未來
1.4 為什麼選擇PyTorch
1.5 星火燎原
1.6 fast.ai 放棄Keras+TensorFlow 選擇PyTorch    

02  快速入門
2.1 安裝與設定
2.2 PyTorch 入門第一步

03  Tensor 和autograd
3.1 Tensor
3.2 autograd

04  神經網路工具箱nn
4.1 nn.Module
4.2 常用的神經網路層
4.3 最佳化器
4.4 nn.functionalnn
4.5 初始化策略
4.6 nn.Module 深入分析
4.7 nn 和autograd 的關係
4.8 小試牛刀：用50 行程式架設ResNet
    
05  PyTorch 中常用的工具
5.1 資料處理
5.2 電腦視覺工具套件：torchvision
5.3 視覺化工具
5.4 使用GPU 加速：cuda
5.5 持久化    

06  PyTorch 實戰指南
6.1 程式設計實戰：貓和狗二分類
6.2 PyTorch Debug 指南

07  AI 插畫師：産生對抗網路
7.1 GAN 的原理簡介
7.2 用GAN 産生動漫圖示
7.3 實驗結果分析
    
08  AI 藝術傢：神經網路風格移轉
8.1 風格移轉原理介紹
8.2 用PyTorch 實現風格移轉
8.3 實驗結果分析    

09  AI 詩人：用RNN 寫詩
9.1 自然語言處理的基礎知識
9.2 CharRNN
9.3 用PyTorch 實現CharRNN
9.4 實驗結果分    

10   Image Caption：讓神經網路看圖講故事
10.1 影像描述介紹
10.2 資料
10.3 模型與訓練
10.4 實驗結果分析

11   展望與未來
11.1 PyTorch 的侷限與發展
11.2 使用建議
 

前 言

　　❁ 為什麼寫這本書
　　2016年是屬於TensorFlow的，憑藉Google的大力推廣，TensorFlow 佔據各大媒體的頭條。2017年年初，PyTorch從天而降吸引研究人員相當大的關注，PyTorch簡潔優雅的設計、統一好用的介麵、追風逐電的速度和變化無方的靈活性給人留下深刻的印象。

　　身為2017 年剛剛發佈的深度學習架構，研究人員所能取得的學習資料有限，中文資料更是少。筆者長期關注PyTorch 發展，經常在討論區上幫助PyTorch 新手解決問題，在平時的科學研究中利用PyTorch 進行各方麵的研究，具有豐富的使用經驗。看到國內的使用者對PyTorch 十分有興趣，迫切需要一本能全麵說明PyTorch 的書籍，於是本書就這麼誕生瞭。

　　❁ 本書的結構
　　本書分為兩部分：第2~5 章主要介紹PyTorch 的基礎知識。
　　■ 第2 章介紹PyTorch 的安裝和設定學習環境。同時以最概要的方式介紹PyTorch 的主要內容，讓讀者對PyTorch 有一個大概的整體印象。

　　■ 第3 章介紹PyTorch 中多維陣列Tensor 和動態圖autograd/Variable 的使用，並配以實例，讓讀者分彆使用Tensor 和autograd 實現綫性迴歸，比較二者的不同點。本章還對Tensor 的底層設計，以及autograd 的原理進行瞭分析，給讀者以更全麵實際的說明。

　　■ 第4章介紹PyTorch中神經網路模組nn的基礎用法，同時說明瞭神經網路中的「層」、「損失函數」、「最佳化器」等，最後帶領讀者用不到50 行的程式架設齣曾奪得ImageNet 冠軍的ResNet。

　　■ 第5章介紹PyTorch中資料載入、GPU加速和視覺化等相關工具。
　　第6~10 章主要介紹實戰案例。

　　■ 第6 章是承上啓下的一章，目標不是教會讀者新函數、新知識，而是結閤Kaggle 中一個經典的比賽，實現一個深度學習中比較簡單的影像二分類問題。在實現的過程中，帶領讀者復習前5 章的知識，並提齣程式標準以閤理地組織程式，使程式更可讀取、可維護。第6 章還介紹在PyTorch 中如何進行debug。

　　■ 第7章為讀者說明目前最火爆的産生對抗網路（GAN），帶領讀者從零開始實現一個動漫圖示産生器，能夠利用GAN 産生風格多變的動漫圖示。

　　■ 第8章為讀者說明風格移轉的相關知識，並帶領讀者實現風格移轉網路，將自己的照片變成「高大上」的名畫。

　　■ 第9章為讀者說明一些自然語言處理的基礎知識，並說明CharRNN的原理。然後利用其收集幾萬首唐詩，訓練齣一個可以自動寫詩歌的小程式。這個小程式可以控製産生詩歌的格式和意境，還能産生藏頭詩。

　　■ 第10章介紹影像描述工作，並以最新的AI Challenger比賽資料為例，帶領讀者實現一個可以進行簡單影像描述的小程式。
　　第1 章和第11 章是本書的首章和末章，第1 章介紹PyTorch 的優勢，
　　以及和市麵上其他幾款架構的比較。第11 章是對本書的歸納，以及對
　　PyTorch 不足之處的思考，同時對讀者未來的學習提齣建議。

　　❁ 關於程式
　　本書的所有程式都開放原始碼在GitHub【github.com/chenyuntc/pytorch-book】上，其中：
　　■ 第2~5章的程式以Jupyter Notebook形式提供，讀者可以在自己的電腦上互動式地修改執行它。
　　■ 第6~10章的程式以單獨的程式列齣，每個函數的作用與細節在程式中有大量的註釋。

　　本書程式，在最新版的PyTorch 0.2上執行，同時支援Python 2和
　　Python 3，其中：
　　■ 前5章的程式同時在Python 2.7和Python 3.5上驗證，並獲得最後結果。
　　■ 第6~10 章的程式，主要在Python 2.7 上執行並獲得最後結果，同時在Python 3.5 上測試未顯示齣錯。

　　❁ 適讀人群
　　學習本書需要讀者具備以下基礎知識：
　　■ 瞭解Python的基礎語法，掌握基礎的Python使用方法。
　　■ 有一定深度學習基礎，瞭解反嚮傳播、鏇積神經網路等基礎知識，但並不要求深入瞭解。
　　■ 具備梯度、導數等高中數學基礎知識。
　　以下知識不是必需的，但最好瞭解：
　　■ numpy的使用。
　　■ 深度學習的基本流程或其他深度學習架構的使用。
　　本書不適閤哪些讀者：
　　■ 沒有任何深度學習基礎的使用者。
　　■ 沒有Python基礎的使用者。
　　■ 隻能使用Windows的使用者。

　　❁ 本書約定
　　在本書中，筆者是本書編著者的自稱，作者指的是軟體、論文等的作者，
　　讀者指閱讀本書的你。
　　本書前5 章的程式由Jupyter Notebook 轉換而來，其中：
　　■ In後麵跟著的是輸入的程式。
　　■ Out是指程式的執行結果，執行結果取決於In的最後一行。
　　■ Print後麵跟著程式的列印輸齣內容，隻有在In程式中呼叫瞭print函數/敘述纔會有Print 輸齣。

　　■ Jupyter會自動輸齣Image物件和matplotlib視覺化結果，所以書中以「程式輸齣」命名的圖片都來自Jupyter 的程式輸齣。這些圖片的說明在程式註釋中。

　　❁ 如何使用本書
　　本書第2 章是PyTorch 快速入門，第3~5 章是對這些內容的詳細深入介紹。第6 章是一個簡單而完整的深度學習案例。
　　如果你是經驗豐富的研究人員，之前對PyTorch 十分熟悉，對本書的某些實例比較有興趣，那麼你可以跳過前5 章，直接閱讀第6 章，瞭解這些實例的程式設計與檔案組織安排，然後閱讀對應的實例。

　　如果你是初學者，想以最快的速度掌握PyTorch 並將PyTorch 應用到實際專案中，建議你花2~3 小時閱讀2.2 節的相關內容。如果你需要深入瞭解某部分的內容，可以閱讀對應章節。

　　如果你是初學者，想完整全麵地掌握PyTorch，建議你：
　　■ 先閱讀第1~5章，瞭解PyTorch的各個基礎知識。
　　■ 再閱讀第6章，瞭解PyTorch實作中的技巧。
　　■ 最後從第7~10章挑選齣有興趣的實例，動手實作。
　　最後，希望讀者在閱讀，盡量結閤本書的搭配程式閱讀、修改、執行之。

　　❁ 緻謝
　　杜玉姣同學在我撰寫本書時提供許多建議，並協助審稿部分章節，在此特嚮她錶示謝意。本書編輯鄭柳潔給予很大的幫助，在此特嚮她緻謝。感謝我的傢人一直以來對我的支援，感謝我的導師肖波副教授對我的指導。感謝我的同學、師弟師妹們，他們在使用PyTorch 中遇到很多問題，給我許多迴饋意見。

　　由於筆者水準所限，書中難免有錯誤和不當之處，歡迎讀者批評指正。
　　實際意見可以發錶在GitHub 上，或透過電子郵件（i@knew.be）聯係筆者。（github.com/chenyuntc/pytorch-book/issues）
 

评分☆☆☆☆☆

哇，看到這本書名就眼睛一亮！「比Tensorflow還精美的人工智慧套件：PyTorch讓你愛不釋手」，光是這標題就燃起瞭我對AI領域的好奇心。我雖然不是什麼頂尖的AI專傢，但平常工作和生活上偶爾會接觸到一些數據分析和自動化的小工具，對AI的潛力一直都很感興趣。Tensorflow 聽過很多次，知道它很強大，但總覺得好像有點難以親近，學習麯線可能比較陡峭。而「精美」和「愛不釋手」這幾個詞，讓我對PyTorch產生瞭極大的好感。我一直覺得，技術工具如果能做得既強大又直觀易用，那絕對是使用者福音。想像一下，如果學習AI的過程不再是枯燥的公式和難懂的語法，而是像玩一個有趣且有成就感的遊戲，那該有多棒！這本書的書名就像給我打瞭一劑強心針，讓我相信PyTorch或許就是我一直在尋找的那把鑰匙，能夠帶我更輕鬆、更愉快地進入AI的世界。我非常期待透過這本書，能更深入地瞭解PyTorch的實際應用，看看它到底有哪些「精美」之處，真的能讓我「愛不釋手」嗎？這是我最想知道的。

评分☆☆☆☆☆

我是一個對科技充滿熱情的業餘愛好者，平時喜歡學習新事物，也對人工智慧這個領域特別著迷。雖然我不是科班齣身，沒有深厚的數學或程式背景，但我一直希望能找到一個入門AI的管道，讓我在不感到挫摺的前提下，慢慢纍積知識和技能。Tensorflow 的名字聽起來很權威，但我也聽過不少人說它學習起來有點門檻。而「PyTorch讓你愛不釋手」這句標語，對我來說，簡直是在對我招手，邀請我進入一個更親切、更友善的AI世界。我希望這本書能夠從最基礎的概念講起，用淺顯易懂的方式解釋AI的核心原理，然後再引導我進入PyTorch的實際操作。所謂的「精美」，或許就是指它的程式碼風格清晰、易於理解，並且能夠提供很多豐富的範例，讓我能夠動手實踐。我渴望透過這本書，能夠親手搭建齣一些簡單但有趣的AI模型，例如辨識貓狗、生成文字，甚至是一些小型的遊戲AI。如果真的能讓我「愛不釋手」，那將會是我踏入AI領域最美好的開始。

评分☆☆☆☆☆

身為一個在學術界努力耕耘的學生，每天都在被各種論文和實驗追著跑，對於能有效率地處理研究數據、甚至開發一些輔助實驗的小程式，我一直感到非常渴望。過去，我嘗試過一些主流的機器學習函式庫，但總覺得在某些方麵不夠靈活，或者說，要實現一些創新的想法時，會遇到一些框架上的限製。聽到「PyTorch」這個名字，我直覺就聯想到「靈活性」和「研究導嚮」。很多最新的學術研究，往往都是基於PyTorch提齣的，這讓我對它的研究潛力充滿期待。而「精美」這個詞，對我來說，意味著清晰的架構、簡潔的API，以及良好的文件和社群支援。在撰寫論文和申請研究經費的壓力下，我沒有太多時間去摸索複雜的工具，我需要的是一個能夠快速上手、能夠讓我專注於演算法本身，而不是被工具牽著鼻子走的東西。我希望這本書能提供一些實例，展示如何在研究中運用PyTorch解決實際問題，比如圖像識別、自然語言處理，或者其他我正在研究的領域。如果它真的像書名所說的，能讓我「愛不釋手」，那絕對會是我研究生涯中的一大助力。

评分☆☆☆☆☆

我是一傢新創公司的工程師，負責開發一些基於AI的產品。在快速變動的市場中，我們需要不斷地迭代和創新，這對我們使用的技術工具提齣瞭很高的要求。過往我們嘗試過幾種不同的AI框架，有時為瞭追求效能，不得不犧牲開發的便利性；有時為瞭快速開發，又會擔心後續的擴展性和部署問題。看到這本書名，我腦中立刻閃過幾個念頭：「精美」是否意味著有更好的開發者體驗？「愛不釋手」是否代錶著它在效率和易用性之間找到瞭絕佳的平衡點？特別是「比Tensorflow還精美」，這句話非常有企圖心，也讓我非常好奇PyTorch究竟在哪些方麵能夠超越 Tensorflow，或者說，提供瞭哪些 Tensorflow 沒有的、讓開發者更愉悅的體驗。我非常關注 PyTorch 在模型部署、效能優化以及與其他工具的整閤性上錶現如何。如果這本書能深入探討這些實務麵的考量，並提供一些實際的部署案例，那對我們公司的產品開發將會有極大的幫助。

评分☆☆☆☆☆

身為一個資深的軟體工程師，我見證瞭許多技術的興衰更迭，也樂於擁抱能夠提升開發效率和專案品質的新工具。PyTorch 在近年來的AI社群中聲名鵲起，尤其是在學術界和研究領域，更是受到廣泛的關注。而「比Tensorflow還精美」這個說法，更是引起瞭我強烈的興趣。我對「精美」的定義，通常包含著優秀的程式碼設計、清晰的架構、完善的錯誤處理機製，以及高效的除錯能力。如果 PyTorch 真的能在這些方麵提供比 Tensorflow 更優秀的體驗，那麼它絕對值得我深入研究。我特別想瞭解 PyTorch 在模型的可解釋性、異步計算、以及與 Python 生態係統的整閤方麵，是否能帶來更順暢、更直觀的開發流程。同時，我也關注 PyTorch 在生產環境部署上的錶現，以及它在支援不同硬體平颱和分散式訓練方麵的能力。如果這本書能夠提供深入且實用的技術見解，讓我能夠快速掌握 PyTorch 的核心優勢，並將其應用於我實際的專案開發中，那麼「愛不釋手」絕對不是誇張的說法。