1、封面介绍
2、出版时间
2024年4月
3、内容介绍
“PyTorch深度学习指南”丛书循序渐进地详细讲解了与深度学习相关的重要概念、算法和模型，并着重展示了PyTorch是如何实现这些算法和模型的。
“PyTorch深度学习指南”丛书共分三卷：编程基础、计算机视觉、序列与自然语言处理。
该套丛书的第一卷：编程基础，主要介绍了梯度下降和PyTorch的Autograd；训练循环、数据加载器、小批量和优化器；二元分类器、交叉熵损失和不平衡数据集；决策边界、评估指标和数据可分离性等内容。
该套丛书的第二卷：计算机视觉，主要介绍了深度模型、激活函数和特征空间；Torchvision、数据集、模型和转换；卷积神经网络、丢弃和学习率调度器；迁移学习和微调流行的模型(ResNet、Inception等)等内容。
该套丛书的第三卷：序列与自然语言处理，主要介绍了循环神经网络（RNN、GRU和LSTM）和一维卷积；Seq2Seq模型、注意力、自注意力、掩码和位置编码；Transformer、层归一化和视觉Transformer（ViT）；BERT、GPT-2、单词嵌入和HuggingFace库等内容。
4、推荐理由
本书适用于对深度学习感兴趣，并希望使用PyTorch实现深度学习的Python程序员阅读学习。
5、作者简介
丹尼尔-沃格特-戈多伊是一名数据科学家、开发人员、作家和教师。自2016年以来，他一直在柏林历史最悠久的训练营Data Science Retreat讲授机器学习和分布式计算技术，帮助数百名学生推进职业发展。
丹尼尔还是两个Python软件包——HandySpark和DeepReplay的主要贡献者。他拥有在多个行业20多年的工作经验，这些行业包括银行、政府、金融科技、零售和移动出行等。
6、下载链接
本电子书可以提供下载，下载方式请移步：http://www.hbase.cn/archives/1147.html
