Python深度学习：基于PyTorch

Name: Python深度学习：基于PyTorch
ISBN: 9787111637172

吴茂贵 / 郁明敏 / 杨本法 / 李涛 / 张粤磊机械工业出版社2019年

4.6

字数: 198字
章节数: 22
丛书: 智能系统与技术丛书
ISBN: 9787111637172

信息有误查询本书

内容简介

本书由多位在人工智能与大数据领域有多年实践经验的工程师共同编写，是《Python深度学习：基于TensorFlow》的姊妹篇，以 PyTorch 为主线，从工具使用、技术原理、算法设计和案例实现多个维度系统讲解深度学习。全书共16章，分三部分。第一部分（第1~4章）为 PyTorch 基础：先讲 NumPy 的数组生成、算术运算、数组变形、广播机制等必备知识，再讲 PyTorch 的安装配置、Tensor 运算、autograd 自动求导与计算图，随后介绍 nn 神经网络工具箱与数据处理工具箱。第二部分（第5~8章）为深度学习基础：涵盖机器学习基础、视觉处理基础、自然语言处理基础与生成式深度学习，讲解经典模型原理、训练调优与常用技巧。第三部分（第9~16章）为深度学习实践：以人脸检测与识别、迁移学习、神经机器翻译、生成式模型、Caffe2 模型迁移、对抗攻击、强化学习与深度强化学习等案例，展示从数据准备、模型搭建到训练评估的完整工程流程。全书强调实例切入、由浅入深、化繁为简、用图说话，让读者在动手编码中理解深度学习。

编辑推荐

这是一本把「学框架」和「学原理」绑在一起讲的实战型教材。作者团队在 BI、数据挖掘、机器学习与深度学习工程上累计有二十年上下的经验，写出来的东西很务实：先把你从 NumPy 的老习惯过渡到 Tensor，再把 autograd、nn 工具箱、Dataset/DataLoader 这些真正每天要用的部件拆开讲透，而不是悬在半空谈概念。第二部分开始进入模型层面，视觉、NLP、生成式三条主线并行推进，读者能很快建立「什么问题该用哪类网络」的判断力。第三部分的价值在于案例的完整性——人脸识别、迁移学习、机器翻译、生成式模型、对抗攻击、强化学习，基本覆盖了当时工业界最热的方向，每个案例都能看到数据、模型与训练流程的配合。全书配图多、公式克制，遇到抽象的地方倾向用示意图和代码说话，对自学者尤其友好。它是一本需要边读边敲代码的书，配套源码与数据齐全，适合当作一段时间内的深度学习主教材，而不是枕边速览读物。

适合谁读

适合

已掌握 Python 基本语法、想系统入门深度学习的开发者
需要在项目中落地 PyTorch 的算法工程师
做计算机视觉或自然语言处理课题的高校学生
从 TensorFlow 转向 PyTorch、想快速熟悉生态的从业者

不适合

完全不会 Python、也不了解基本编程概念的零基础读者
只想看概念综述、不打算动手写代码的读者
需要追踪 PyTorch 最新版本 API 变化的读者，建议看第2版

阅读建议

先补齐 NumPy 与线性代数基础，第1章不要跳过，后面 Tensor 操作依赖它。
边读边在 Jupyter Notebook 中复现代码，先跑通示例再改参数做消融实验。
第三部分案例可按兴趣选读，建议至少完整走通一个案例的数据到评估全流程。
注意书中 PyTorch 版本较老，遇到 API 报错先查官方文档的最新写法。

出版社简介

机械工业出版社中国 · 成立于 1950 年

机械工业出版社（China Machine Press）在科技与专业出版之外，库内图书还体现出对心理学、计算机、管理、财经与社科等方向的持续关注。心理学方面收入荣格作品及分析心理学导论，并涉及压力与健康、成瘾与疗愈等应用议题；计算机领域有《计算机程序的构造和解释（JavaScript版）》；管理与财经类包括《管理行为（原书第4版）》《不平等的代价（珍藏版）》《这次不一样：八百年金融危机史（纪念版）》；科学哲学与科学史方面则有《世界观（原书第3版）》。相关作者资源涵盖C.G.荣格、威廉·麦圭尔、索努·沙姆达萨尼、加博尔·马泰等。公开资料有限，以上仅据库内图书归纳其出版面貌。

前言
第一部分 PyTorch基础
第1章 Numpy基础
第2章 PyTorch基础
第3章 PyTorch神经网络工具箱
第4章 PyTorch数据处理工具箱
第二部分深度学习基础
第5章机器学习基础
第6章视觉处理基础
第7章自然语言处理基础
第8章生成式深度学习
第三部分深度学习实践
第9章人脸检测与识别
第10章迁移学习实例
第11章神经网络机器翻译实例
第12章实战生成式模型
第13章 Caffe2模型迁移实例
第14章 AI新方向：对抗攻击
第15章强化学习
第16章深度强化学习
附录A PyTorch 0.4版本变更
附录B AI在各行业的最新应用

常见问题

这本书和《动手学深度学习》有什么区别？

本书侧重 PyTorch 工具箱与工程案例的完整实现，覆盖人脸识别、机器翻译、对抗攻击、强化学习等方向；《动手学深度学习》更强调从零实现模型与原理推导。两者可以互补，前者偏工程进阶，后者偏入门与理论。

零基础可以直接读这本书吗？

不建议。书中假定读者会 Python，并且对数组运算和机器学习基本概念有一定了解。零基础读者建议先学 Python 与 NumPy，再补一点机器学习入门知识。

第1版和第2版该怎么选？

第2版于2023年由机械工业出版社出版，ISBN 为 9787117188802，全书19章，按新版 PyTorch 全面升级并新增注意力机制、目标检测、语义分割等内容。若使用较新的 PyTorch 版本，优先选第2版。

书中的代码能直接运行吗？

代码基于成书时的 Python 与 PyTorch 版本编写，直接运行大版本差异处可能报错，通常需要按当前版本的 API 做少量调整，并准备好 GPU 环境与数据集。

读者评论

查询本书

本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。

作者简介

吴茂贵作者

吴茂贵，公开资料有限，其身份与履历未见权威披露，但从库内作品可以大致看出其写作方向。目前收录其作品两种，均集中在计算机与人工智能领域：《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》与《Python入门到人工智能实战》。前者面向生成式人工智能的入门读者，围绕大语言模型、扩散模型和多模态模型展开原理讲解与实践引导；后者以 Python 为起点，逐步过渡到人工智能应用。两书在题材上都强调从基础到实战的路径，语言力求通俗，适合缺乏先备知识的读者按步骤学习。可见吴茂贵的写作偏向把复杂技术拆解为可操作的入门内容，兼顾概念说明与动手练习，服务于希望进入人工智能领域的初学者。

李涛作者

李涛是一位作品跨越多个领域的作者，库内收录其作品27种。其写作题材相当广泛，既有《临床精神病理学》《全国县级医院系列实用手册：精神科医生手册》等医学专业读物，也涉及《糖尿病性视网膜病变微创手术》这样的临床技术主题；在教育与社会议题方面，著有《中国式农村教育现代化》；在软件学习与计算机应用领域，则有《Adobe After Effects CC 高手之路》等实用教程。此外，他还涉足科学科普与法律思维，如《完美的对称：富勒烯的意外发现》《公民法律思维养成50讲：像法律人一样思考》，并参与《健康企业建设评估技术指南》一类应用性写作。由于公开资料有限，其个人生平、专业背景与身份信息尚不明确，目前只能从作品分布看出他兼具专业写作与大众普及的取向，覆盖医学、教育、软件、科普与法律等多个读者群体。

张粤磊作者

张粤磊，目前公开资料有限，其姓名见于编程设计类图书《数据库应用实战》的作者署名。从作品题材来看，该书面向数据库技术的实际应用，属于偏重动手操作与项目实践的技术写作，而非纯理论探讨。这类书通常以具体任务和场景组织内容，强调把数据库知识落到可运行的示例与操作步骤上，适合希望边学边练的读者。由于缺少作者生平、专业背景与其它著述的可靠信息，无法判断其研究领域与写作全貌，也难以评估该书在读者中的具体影响。仅就现有线索而言，张粤磊的写作方向集中在数据库应用与编程实践，可供关注数据库入门与实战练习的读者参考。