“PyTorch深度学习指南”丛书循序渐进地详细讲解了与深度学习相关的重要概念、算法和模型，并着重展示了PyTorch是如何实现这些算法和模型的。其共分三卷：编程基础、计算机视觉、序列与自然语言处理。
本书为该套丛书的第一卷：编程基础。本书主要介绍了梯度下降和PyTorch的Autograd；训练循环、数据加载器、小批量和优化器；二元分类器、交叉熵损失和不平衡数据集；决策边界、评估指标和数据可分离性等内容。
本书适用于对深度学习感兴趣，并希望使用PyTorch实现深度学习的Python程序员阅读学习。
作者简介:
丹尼尔·沃格特·戈多伊是一名数据科学家、开发人员、作家和教师。自2016年以来，他一直在柏林历史最悠久的训练营Data Science Retreat讲授机器学习和分布式计算技术，帮助数百名学生推进职业发展。 丹尼尔还是两个Python软件包——HandySpark和DeepReplay的主要贡献者。 他拥有在多个行业20多年的工作经验，这些行业包括银行、政府、金融科技、零售和移动出行等。
目录:
第0章 可视化梯度下降
第1章 一个简单的回归问题
第2章 重新思考训练循环
第2.1章 追求优雅
第3章 一个简单的分类问题
点击下载