PyTorch编程技术与深度学习

本书讲述深度学习的基 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。 本书适合深度学习和 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》。

第1章 PyTorch介绍 1.1 深度学习与PyTorch简介 1.1.1 深度学习介绍 1.1.2 PyTorch介绍 1.2 PyTorch安装 1.2.1 Anaconda下载 1.2.2 Windows下安装PyTorch 1.2.3 Linux Ubuntu下安装PyTorch 1.2.4 Anaconda管理 1.3 常用数据集 1.3.1 MNIST数据集 1.3.2 Fashion-MNIST数据集 1.3.3 CIFAR-10数据集 1.3.4 Dogs vs. Cats数据集 1.3.5 AG_NEWS数据集 1.3.6 WikiText2数据集 1.3.7 QIQC数据集 1.3.8 Multi30k数据集 习题 第2章 PyTorch基础编程 2.1 张量数据操作 2.1.1 张量简介 2.1.2 张量操作 2.1.3 广播机制 2.1.4 在GPU上使用Tensor 2.2 自动求导 2.2.1 自动求导概念 2.2.2 自动求导示例 2.3 数据集API 2.3.1 自定义数据集类 2.3.2 DataLoader类 2.4 torchvision工具示例 2.4.1 编写简单的图像数据集 2.4.2 Transforms模块 2.4.3 Normalize用法 2.4.4 ImageFolder用法 2.5 torchtext工具示例 2.5.1 编写文本预处理程序 2.5.2 使用torchtext 习题 第3章 深度学习快速入门 3.1 线性回归 3.1.1 线性回归介绍 3.1.2 线性回归实现 3.2 使用nn模块构建线性回归模型 3.2.1 使用nn.Linear训练线性回归模型 3.2.2 使用nn.Sequential训练线性回归模型 3.2.3 使用nn.Module训练线性回归模型 3.3 逻辑回归 3.3.1 逻辑回归介绍