0.md

零、前言

人工智能（AI）继续流行并破坏了广泛的领域，但这是一个复杂而艰巨的话题。 在本书中，您将掌握构建深度学习应用的方法，以及如何使用 PyTorch 进行研究和解决实际问题。

本书从张量处理的基础开始，采用基于秘籍的方法，然后介绍了卷积神经网络（CNN）和 PyTorch 中的循环神经网络（RNN）。 熟悉这些基本网络后，您将使用深度学习来构建医学图像分类器。 接下来，您将使用 TensorBoard 进行可视化。 您还将深入研究生成对抗网络（GAN）和深度强化学习（DRL），然后最终将模型大规模部署到生产中。 您将发现针对机器学习，深度学习和强化学习中常见问题的解决方案。 您将学习如何在计算机视觉，自然语言处理（NLP）中实现 AI 任务并解决实际问题。 其他实际领域。

到本书结尾，您将拥有使用 PyTorch 框架的 AI 中最重要且应用最广泛的技术的基础。

这本书是给谁的

这本 PyTorch 书籍适用于刚刚起步的 AI 工程师以及正在寻找指南以帮助他们有效解决 AI 问题的机器学习工程师，数据科学家和深度学习爱好者。 期望具备 Python 编程语言的工作知识和对机器学习的基本了解。

本书涵盖的内容

第 1 章，“使用 PyTorch 处理张量”介绍 PyTorch 及其安装，然后继续使用 PyTorch 处理张量。

第 2 章，“处理神经网络”全面介绍了开始和训练全连接神经网络的所有要求，从而对基本神经网络的所有组件进行了详尽的解释。 ：层，前馈网络，反向传播，损失函数，梯度，权重更新以及使用 CPU/GPU。

第 3 章，“用于计算机视觉的卷积神经网络”首先介绍了用于更高级任务的一类神经网络，即卷积神经网络。 在这里，我们将与 PyTorch 一起探索 TorchVision，训练 CNN 模型，并使用 TensorBoard 可视化其进度。 我们还将介绍与卷积网络构建块相关的各种任务。 卷积神经网络（CNN 或 ConvNet）是一类 DNN，最常用于分析图像。

第 4 章，“用于 NLP 的循环神经网络”探索循环神经网络，并研究 RNN 中的各种修改以及最佳实践。

第 5 章，“迁移学习和 TensorBoard”显示了如何使用经过训练的 ResNet-50 模型训练图像分类器以区分正常和肺炎的胸部 X 射线。 我们将替换分类器，并使用两个输出单元来代表正常和肺炎类别。

第 6 章，“探索生成对抗网络”探索生成对抗网络，以及如何实现 PyTorch 的组件并训练端到端网络。 我们将探索 DCGAN，并通过渐进式 GAN 网络进一步改善 DCGAN 的局限性。

第 7 章，“深度强化学习”可帮助您通过各种秘籍来了解深度 RL。 本章是一系列秘籍和任务，您将在其中利用所需的能力和架构来转变为深度强化学习专家。

第 8 章，“PyTorch 中的生产 AI 模型”，着眼于以两种方式生产 PyTorch 应用。 首先，生成已经训练过的模型，其次，对大型数据集进行分布式训练。 最后，我们将研究各种框架之间的可移植性。

充分利用这本书

需要具备 Python 的工作知识。

下载示例代码文件

您可以从 www.packt.com 的帐户中下载本书的示例代码文件。 如果您在其他地方购买了此书，则可以访问 www.packtpub.com/support 并注册以将文件直接通过电子邮件发送给您。

您可以按照以下步骤下载代码文件：

1. 登录或注册 www.packt.com 。

2. 选择支持选项卡。

3. 单击代码下载。

4. 在搜索框中输入书籍的名称，然后按照屏幕上的说明进行操作。

下载文件后，请确保使用以下最新版本解压缩或解压缩文件夹：

• Windows 的 WinRAR/7-Zip
• Mac 版 Zipeg/iZip/UnRarX
• 适用于 Linux 的 7-Zip/PeaZip

本书的代码包也托管在 GitHub 上。 如果代码有更新，它将在现有的 GitHub 存储库中进行更新。

我们还从这里提供了丰富的书籍和视频目录中的其他代码包。 去看一下！

下载彩色图像

我们还提供了 PDF 文件，其中包含本书中使用的屏幕截图/图表的彩色图像。 您可以在此处下载。

使用约定

本书中使用了许多文本约定。

CodeInText：指示文本，数据库表名称，文件夹名称，文件名，文件扩展名，路径名，虚拟 URL，用户输入和 Twitter 句柄中的代码字。 这是一个示例：“对于 Linux，我们将使用以下pip管理器。”

代码块设置如下：

a = np.ones((2, 3))
a

当我们希望引起您对代码块特定部分的注意时，相关行或项目以粗体显示：

b.shape
torch.Size([2, 3])

任何命令行输入或输出的编写方式如下：

pip3 install https://download.pytorch.org/whl/cu90/torch-1.1.0-cp36-cp36m-win_amd64.whl

粗体：表示新术语，重要单词或您在屏幕上看到的单词。 例如，菜单或对话框中的单词会出现在这样的文本中。 这是一个示例：“标量是单个独立值。”

警告或重要提示如下所示。

提示和技巧如下所示。

栏目

在本书中，您会发现几个经常出现的标题（“准备工作”，“操作步骤”，“工作原理”，“另见”。

要给出有关如何完成秘籍的明确说明，请按以下说明使用这些部分：

准备

本节告诉您在秘籍中会有什么期望，并介绍如何设置秘籍所需的任何软件或任何初步设置。

操作步骤

本节包含遵循秘籍所需的步骤。

工作原理

本节通常包括对上一节中发生的情况的详细说明。

更多

本节包含有关秘籍的其他信息，以使您对秘籍有更多的了解。

另见

本节提供了指向该秘籍其他有用信息的有用链接。