本书在内容安排上十分精良，为便于数学基础较薄弱的读者学习，引入了深度学习数学基础；再由浅入深地以实战案例讲解的方式，对于误差反向传播法、卷积运算等进行详细剖析，使读者在实现层面上理解；此外还加入了前沿技术，如Batch Normalization等内容。本书提供了8个完整的项目案例、完整的构建过程、详细的视频讲解以及相应源代码，使读者能在实战案例中，深入完成深度学习的学习与掌握。

吕云翔，北京航空航天大学软件学院副教授。具有多年的软件开发、项目管理、计算机教学经验，对IT行业具有较全面的认识，出版教材多部。目前研究领域包括：软件工程、人工智能、大数据。

前言 深度学习领域技术的飞速发展，给人们的生活带来了很大改变。例如，智能语音助手能够与人类无障碍地沟通，甚至在视频通话时可以提供实时翻译；将手机摄像头聚焦在某个物体上，该物体的相关信息就会被迅速地反馈给使用者；在购物网站上浏览商品时，机器也在同时分析着用户的偏好，并及时个性化地推荐用户可能感兴趣的商品。原先以为只有人类才能做到的事，现在机器也能毫无差错地完成，甚至超越人类，这显然与深度学习的发展密不可分，技术正引领人类社会走向崭新的世界。 PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。本书选择PyTorch作为深度学习框架，以方便读者阅读。 本书以深度学习为主题，将理论与简明实战案例相结合，以加深读者对于理论知识的理解。本书首先介绍深度学习领域的现状，深度学习领域和其他领域技术之间的关系，以及它们的主要特点和适用范围；接下来，详细讲解PyTorch框架中的基本操作，并在讲解深度学习理论知识的同时，提供完整、详尽的实现过程，供读者参考。相信读者在阅读完本书后，会对深度学习有全面而深刻的了解，同时具备相当强的实践能力。 全书共分为两篇，包括16章内容。 基础篇涵盖第1~8章，第1章深度学习简介，包括计算机视觉、自然语言处理、强化学习； 第2章深度学习框架，包括Caffe、TensorFlow、PyTorch； 第3章机器学习基础知识，包括模型评估与模型参数选择、监督学习与非监督学习； 第4章PyTorch深度学习基础，包括Tensor对象及其运算，Tensor的...