同時，PyTorch還發(fā)布了兩個新庫TorchData和functorch的beta版本，引起無數(shù)程序員狂歡熱議。

小異為你總結(jié)了本次更新的要點：

●TorchData，這是一個通用模塊化數(shù)據(jù)加載原語的新庫，用于輕松構(gòu)建靈活和高性能的數(shù)據(jù)管道。

●functorch，這是一個將可組合函數(shù)轉(zhuǎn)換添加到PyTorch的新庫，現(xiàn)已推出beta版。

●分布式數(shù)據(jù)并行 (DDP) 靜態(tài)圖形優(yōu)化穩(wěn)定可用。

大家都知道，PyTorch是Facebook在2017年開源的一個針對深度學習的張量庫。它憑借容易上手、功能強大、性能高和用途廣泛等優(yōu)點，成為了當前主流的深度學習框架之一，無論是在學術(shù)界還是在工業(yè)界都受到了深度學習愛好者和從行者的青睞。

如果你也想學習PyTorch，小異推薦你從這本經(jīng)常受到國外程序員安利的入門書開始。

PyTorch的共同創(chuàng)造者Soumith Chintala還將這本書描述為 "PyTorch的權(quán)威論文"。

相信接下來的很長時間你將被這本書刷屏，它將出現(xiàn)在各大暢銷書排行榜內(nèi)，這本書就是《PyTorch深度學習實戰(zhàn)》。

▲購買《PyTorch深度學習實戰(zhàn)》每買100減50元

— 01 —

這不是一本簡單的深度學習入門書

這不是一本簡單的深度學習入門書籍，而是基于PyTorch的深度學習入門書籍，這能讓我們的學習更有目的性。

我們都知道，通過將模型應(yīng)用到例證，深度學習能允許我們執(zhí)行很多復(fù)雜任務(wù)。

例如，機器翻譯、玩戰(zhàn)略游戲以及在雜亂無章的場景中識別物體等。為了在實踐中做到這一點， 我們需要靈活且高效的工具，以便能夠適用于這些復(fù)雜任務(wù)，能夠在合理的時間內(nèi)對大量數(shù)據(jù)進行訓練。我們需要已被訓練過的模型在輸入變量變化的情況下正確執(zhí)行。

而PyTorch能完美地契合我們的需求。

這里具體說說為什么我們要使用PyTorch：

● PyTorch很容易被推廣，因為它很簡單。

許多研究人員和實踐者發(fā)現(xiàn)它易于學習、使用、擴展和調(diào)試。它是Python化的，對于以前使用過Python的開發(fā)人員來說，使用該庫和使用其他Python庫一樣。

● PyTorch具備2個特性，使得它與深度學習關(guān)聯(lián)緊密。

首先，它使用GPU加速計算，通常比在CPU上執(zhí)行相同的計算速度快50倍。其次，PyTorch提供了支持通用數(shù)學表達式數(shù)值優(yōu)化的工具，該工具用于訓練深度學習模型。

● PyTorch設(shè)計的驅(qū)動因素之一是表現(xiàn)力。

它允許開發(fā)人員實現(xiàn)復(fù)雜的模型，PyTorch可以說是最無縫地將深度學習領(lǐng)域的思想轉(zhuǎn)化為Python代碼的軟件之一。

總而言之，雖然很多深度學習工具都使用Python，但PyTorch 庫是真正具備Python風格的。對于任何了解NumPy 和scikit-learn 等工具的人來說，上手PyTorch 輕而易舉。

PyTorch 在不犧牲高級特性的情況下簡化了深度學習，它非常適合構(gòu)建快速模型，并且可以平穩(wěn)地從個人應(yīng)用擴展到企業(yè)級應(yīng)用。

并且，像蘋果、Facebook和摩根大通這樣的公司都使用PyTorch，所以當你掌握了PyTorth，就會擁有更多的職業(yè)選擇。

而本書是教你使用 PyTorch 創(chuàng)建神經(jīng)網(wǎng)絡(luò)和深度學習系統(tǒng)的實用指南，所以說，你不選選擇它作為入門深度學習的參考書籍，還能選擇誰？

— 02—

理論與實戰(zhàn)并重，講解方式新穎有效！

這本書指導(dǎo)讀者使用Python和PyTorch實現(xiàn)深度學習算法，主要提供了以下讓深度學習愛好者特別感興趣的內(nèi)容：

（1）訓練深層神經(jīng)網(wǎng)絡(luò)；

（2）實現(xiàn)模塊和損失函數(shù)；

（3）使用 PyTorch Hub 預(yù)先訓練的模型；

（4）探索在 Jupyter Notebooks 中編寫示例代碼。

當然，其書名中的“實戰(zhàn)”二字也是名副其實的。全書通過模擬近乎真實的場景，從場景描述開始，逐步對問題進行剖析，然后利用PyTorch解決問題。

閱讀本書，讀者不僅能夠全面掌握PyTorch相關(guān)的API的使用方法以及系統(tǒng)掌握深度學習的理論和方法，而且能夠輕松學會使用PyTorch實現(xiàn)各種神經(jīng)網(wǎng)絡(luò)模型來解決具體的深度學習問題。

例如，在書中，我們將首先學習PyTorch的核心知識，然后體驗一個真實的案例研究項目：構(gòu)建能夠使用CT掃描檢測惡性肺腫瘤的算法。

我們將學習用有限的輸入訓練網(wǎng)絡(luò)，并處理數(shù)據(jù)，以獲得一些結(jié)果。

我們將篩選出不可靠的初始結(jié)果，并專注于診斷和修復(fù)神經(jīng)網(wǎng)絡(luò)中的問題。

最后，我們將研究通過增強數(shù)據(jù)訓練、改進模型體系結(jié)構(gòu)和執(zhí)行其他微調(diào)來改進結(jié)果的方法。

通過這個真實的案例，我們會發(fā)現(xiàn)PyTorch是多么有效和有趣，并掌握在生產(chǎn)中部署PyTorch模型的技能。

并且，這本書不是直接給出解決問題的完整代碼，而是在場景描述、問題分析、技術(shù)選型等方面給予更多的篇幅。

書中的代碼示例也有很好的注釋，提供了每個部分功能的關(guān)鍵解釋。對于那些只想瀏覽代碼而不需要逐行查看的人來說，這是一個非常有用的附加功能。這種方式更能幫助讀者真正深入地掌握相關(guān)技術(shù)的要領(lǐng)，正所謂“授人以魚，不如授人以漁”。

此外，令很多國外的程序員稱贊的是這本書對Python深度學習的實用方法的講解。

這本書在教我們在手動創(chuàng)建深度神經(jīng)網(wǎng)絡(luò)之前，就提前介紹了一個可以集成到應(yīng)用程序中的預(yù)訓練深度學習模型庫TorchVision。

因此，我們在創(chuàng)建自己的模型之前，就可以學習如何使用其他人已經(jīng)經(jīng)歷過痛苦的東西來創(chuàng)建，這是深度學習領(lǐng)域的常見做法。事實上，我們還可以利用一個預(yù)先訓練好的生成對抗網(wǎng)絡(luò)，把一匹馬變成一匹斑馬。

這種講解方式，讓我們輕松實戰(zhàn)，學習成就感十足！

— 03 —

三位大有來頭的作者是這本書質(zhì)量的堅實保障！

給這本聲名遠揚的書籍增光添彩的三位作者，皆大有來頭。

《PyTorch深度學習實戰(zhàn)》由Eli Stevens、Luca Antiga和Thomas Viehmann合著而成，這三位工程師曾為PyTorch項目做出過貢獻，并擁有開發(fā)深度學習解決方案的豐富經(jīng)驗。

●Eli Stevens

Eli Stevens職業(yè)生涯的大部分時間都在美國硅谷的初創(chuàng)公司工作，從軟件工程師(網(wǎng)絡(luò)設(shè)備制造業(yè))到首席技術(shù)官(開發(fā)腫瘤放療軟件)。在英文原版書籍出版時，他正在汽車自動駕駛行業(yè)從事機器學習相關(guān)工作。

●Luca Antiga

21世紀初，Luca Antiga擔任生物醫(yī)學工程研究員。2010年到2020年間，他是一家人工智能工程公司的聯(lián)合創(chuàng)始人和首席技術(shù)官。

他參與了多個開源項目，包括PyTorch的核心模塊。最近，他作為聯(lián)合創(chuàng)始人創(chuàng)建了一家總部位于美國的初創(chuàng)公司，專注于數(shù)據(jù)定義軟件的基礎(chǔ)設(shè)施。

●Thomas Viehmann

Thomas Viehmann是一名德國慕尼黑的機器學習和PyTorch的專業(yè)培訓師和顧問，也是PyTorch核心開發(fā)人員。擁有數(shù)學博士學位的他不畏懼理論，擅長將理論應(yīng)用于實際的計算挑戰(zhàn)。

當PyTorch的第1個版本在2017年1月18日發(fā)布時，三位作者都非常興奮。

Luca Antiga從那時開始成為PyTorch的核心貢獻者。而Eli Stevens很早就成為PyTorch社區(qū)的一員，負責提交一些錯誤修復(fù)文檔， 實現(xiàn)新特性或?qū)ξ臋n進行更新。Thomas為PyTorch貢獻了大量的特性，修復(fù)了很多錯誤，并最終成為一名獨立的核心貢獻者。

在組織了幾次PyTorch研討會之后，三位作者便決定寫一本書。于是，《PyTorch深度學習實戰(zhàn)》應(yīng)運而生。

他們寫這本書的目的是為大家介紹PyTorch深度學習的基礎(chǔ)知識，并以一個實際項目來展示。他們力圖介紹深度學習底層的核心思想，并向讀者展示PyTorch如何將其實現(xiàn)。

在這本書中，他們試圖提供直觀印象以幫助大家進一步探索， 同時，他們選擇性地深入細節(jié)，以解剖其背后的奧妙。

這本書的創(chuàng)作目標用作者原話描述便是：“寫一本能夠吸引曾經(jīng)的自己(剛開始學習PyTorch深度學習時的我們)的書?！?/strong>

由此可見，《PyTorch深度學習實戰(zhàn)》是一本特別適合深度學習初學者入門的書籍！

— 04 —

國內(nèi)外讀者好評如潮！

一本書值不值得我們學習，看讀者評價就對了。

而《PyTorch深度學習實戰(zhàn)》也不負眾望，全文干貨滿滿，收到了無數(shù)讀者點贊！

你可以看看下面的亞馬遜讀者和豆瓣讀者評論：

生命不息，學習不止，快去拿起這本上手PyTorch的不二之選——《PyTorch深度學習實戰(zhàn)》，學習深度學習吧！

《PyTorch深度學習實戰(zhàn)》

作者：[美]Eli Stevens ,[意]Luca Antiga ,[德]Thomas Viehmann

譯者：牟大恩

本書主要內(nèi)容：（1）訓練深層神經(jīng)網(wǎng)絡(luò)；（2）實現(xiàn)模塊和損失函數(shù)；（3）使用 PyTorch Hub 預(yù)先訓練的模型；（4）探索在 Jupyter Notebooks 中編寫示例代碼。本書適用于對深度學習感興趣的 Python 程序員。了解深度學習的基礎(chǔ)知識對閱讀本書有一定的幫助，但讀者無須具有使用 PyTorch 或其他深度學習框架的經(jīng)驗。

審核編輯 ：李倩