深度学习精粹与PyTorch实践

作者简介

郭涛，Turing Lab发起人，主要从事模式识别与人工智能、智能机器人技术、软件工程技术和地理人工智能（GeoAI）、时空大数据挖掘与分析等前沿交叉领域研究。曾翻译过《复杂性思考：复杂性科学和计算模型（第2版）》《神经网络设计与实现》等多本图书。

内容简介

"掌握深度学习存在一定的门槛。首先要求有一定的数理统计基础，其次需要很强的编程能力。对于应用领域的研究人员而言，除了要具备这两个条件，还必须拥有扎实的专业领域知识，这些要求提高了深度学习的学习门槛和成本，很多人不得已止步于该领域的学习和应用深度学习解决实际问题。毕竟，仅深度学习涉及的理论和改进模型便多如牛毛，要在短时间内掌握绝非易事。 总而言之，学习深度学习存在以下3个方面的困难：①深度学习涉及的理论难度大，让很多人望而生畏；②深度学习框架繁多，上手难度较大；③理论与代码实践结合困难，理论和实践脱节严重。尽管深度学习存在重重壁垒，但是它前进的步伐并未因此而放缓，各种新的机器学习方法(元学习、迁移学习和集成学习等)骈兴错出，让人应接不暇，不少人对此深感焦虑和恐慌。 那么，有没有克服这些困难的方法呢?当然有。《深度学习精粹与PyTorch实践》正是医治这些焦虑的“良方”，《深度学习精粹与PyTorch实践》不但将深度学习理论、工具和实战相结合，还深入介绍了深度学习基本理论和高级神经网络，包括最常见的卷积神经网络、循环神经网络和对抗神经网络，以及近几年流行的Transformer和迁移学习等机器学习方法。"