本书基于PyTorch框架介绍深度学习的有关理论和应用,以Python为实现语言。全书共分10章，内容包括深度学习的概念和发展过程、感知器、全连接神经网络、卷积神经网络、若干经典CNN预训练模型及其迁移方法、深度卷积神经网络应用案例、循环神经网络、基于预训练模型的自然语言处理、面向模型解释的深度神经网络可视化方法、多模态学习与多模态数据分类等。 本书兼顾理论与应用、原理与方法，集系统性、实用性、便捷性于一体，易于入门，实例丰富，所有代码全部经过调试和运行。此外，每一章后面都配有适量的习题，供教学和学习参考使用。 本书可作为各类高等学校人工智能和计算机相关专业的“人工智能”或“机器学习”课程的教材，也可作为人工智能、深度学习爱好者和初学者的自学教材，以及从事人工智能课题研究和应用开发人员的参考用书。

前言 2022年11月，OpenAI公司发布了ChatGPT。该产品在极短的时间内迅速受到了人们的空前关注，被认为是人工智能史上继AlphaGo战胜了李世石以来的又一个里程碑事件。这些事件掀起了一轮又一轮的人工智能研究风暴，使得“深度学习”“神经网络”“人工智能”等术语像流行歌词一样为世人所知晓。实际上，在此之前LannYeCun等于1998年提出了最早的卷积神经网络——LeNet，Hinton和他的学生Salakhutdinov于2006年提出深度学习的概念，Hinton的学生Krizhevsky Alex于2012年提出了LeNet的加宽版——AlexNet，这些标志着深度学习时代的来临。2014年GoogLeNet和VGG同时诞生，2015年残差神经网络ResNet诞生。围棋事件只不过是新一轮人工智能研究风暴的导火索，此后还出现了AlphaGo的升级版——AlphaGo Zero、预训练模型EfficientNet、刷新人们对深度神经网络认知的Transformer框架及基于此框架大型预训练模型BERT和GPT等，而ChatGPT的出现更是令人对人工智能拍案叫绝、赞不绝口。 与往次不同的是，本次人工智能革命不但有扎实的理论和技术为基础，在图像识别、语音处理、自然语言处理等领域中均获得了突破性进展，而且有强力的资本注入，有市场的需求，形成了科技、产业协同发展的新模式，更是国家战略（工业4.0——智能化）发展的需要，推动着人类进入了“AI+”时代。因此，我们有理由相信，在可预见的未来，人工智能一直都是带动各行各业发展的重要引擎，是新一轮经济腾飞的发动机。人工智...