《PyTorch编程技术与深度学习》讲述深度学习的基本原理，使用PyTorch展示涉及的深度学习算法。通过理论讲解和编程操作，使读者了解并掌握深度学习的原理和PyTorch编程技能，拉近理论与实践的距离。全书共分9章，主要内容包括PyTorch介绍、PyTorch基础编程、深度学习快速入门、神经网络训练与优化、卷积神经网络原理、卷积神经网络示例、词嵌入模型、循环神经网络原理、NLP示例。书中不但涵盖成熟的卷积神经网络和循环神经网络的原理和示例，还包含一些新的如Transformer和知识蒸馏的内容。全书源代码全部在Python 3.7.4 + PyTorch 1.9.0版本上调试成功。 《PyTorch编程技术与深度学习》适合深度学习和PyTorch编程人员作为入门和提高的技术参考书使用，也适合用作计算机专业高年级本科生和研究生的教材或教学参考书。

袁梅宇，工学博士，硕士导师，现在昆明理工大学计算机系任教。为本科生和研究生主讲软件工程、Java程序设计、Java EE技术、数据库原理、机器学习、人工智能等多门核心课程。第一作者专著有《Java EE企业级编程开发实例详解》《数据挖掘与机器学习——WEKA应用技术与实践》《数据挖掘与机器学习——WEKA应用技术与实践（第二版）》《求精要诀——Java EE编程开发案例精讲》《机器学习基础——原理算法与实践》。

前言 深度学习是机器学习中最激动人心的领域，深度学习算法工程师、图像视觉工程师和自然语言处理工程师逐渐成为报酬较高的新兴职业，各行各业都在寻求具备深度学习理论知识和实际编程技能的人才。只有具备深度学习相关理论和实践技能才更有可能在上述新兴职业中获得成功，但是学习和掌握神经网络、卷积神经网络、循环神经网络等深度学习理论具有一定的难度，而掌握PyTorch等深度学习工具更显得困难，因此拥有一本容易上手的深度学习入门书籍肯定会对初学者有很大的帮助，本书就是专门为初学者精心编写的。 初学者探究深度学习理论与PyTorch编程技术一般都会面临两大障碍。第一大障碍是深度学习理论基础，深度学习包含了很多需要掌握的基本概念，如神经元、全连接、Dropout、权重初始化、优化算法、卷积神经网络、卷积层和池化层、残差网络、Inception网络、迁移学习、知识蒸馏、循环神经网络、LSTM、GRU、双向循环神经网络、词嵌入、Word2Vec、GloVe、注意力机制、Transformer等，学习和理解这些概念需要花费大量的时间和精力，学习周期漫长。第二大障碍是编程实践，PyTorch是一个非常庞大的开源平台，拥有一个包含各种工具、库和社区资源的良好生态系统，要在短时间内掌握这些编程技能较为困难，并且由于人工智能领域发展异常迅猛，新技术、新方法层出不穷，PyTorch的API也在不断进化发展，这使得PyTorch开发人员在应用中总会遇到新问题，需要与时俱进，不断学习。 本书就是为了让初学者顺利入门而设计的。首先，本书讲述深度学习的基本原理，让读者了解基本的深度学习算法之后，通过实践来解决经典问题...