机器之心报导
参加：一鸣、泽南
千呼万唤始出来，PyTorch 官方威望教程书总算来了。书本一出便获 LeCun 转推力荐。
PyTorch 无疑是当今最炽热的深度学习结构之一。自 2016 年诞生以来，PyTorch 已开展成一个十分昌盛的开发社区。据统计，在 2017 年，深度学习顶会中运用 PyTorch 的论文份额还不到 10%；现在，PyTorch 现已称雄学界，在 CVPR 接纳论文中占比 69%，NAACL 和 ACL 都超过了 75%，ICLR 和 ICML 也都超过了 50%。
惋惜的是，PyTorch 官方没有供给一部威望的教程书本，虽然官网和其他途径的相关教程现已汗牛充栋。最近，PyTroch 官方总算宣告，官方威望的 PyTorch 教程书总算面世了。音讯一经宣告就获得了社区的重视，而图灵奖获得者、Facebook 首席 AI 科学家 Yann LeCun 则直接转推力荐。
虽然纸质书还没有正式出书，但本着开源的准则，这部书的电子版是能够免费下载运用的，因而开发者再也不需求忧虑没有满足资源学习的问题。究竟，官方是卯着劲让你学呢。
下载地址：https://pytorch.org/deep-learning-with-pytorch-thank-you
书本初探
本书环绕 PyTorch 这一主题，经过 5 个章节介绍运用办法。本书最大的特色在于：十分通俗易懂，力求让读者了解。留意：本书根据的编程言语是 Python。
书本内容
本书在最初写到：
这本书意图为了解 Python 和期望更好地运用 PyTorch 的软件工程师、数据科学家和有热情的学生供给入门办法，构建深度学习项目。终究，本书会供给上手办法。咱们鼓舞读者准备好电脑，这样做才能够测验研讨相关事例，并持续深化学习。
全书要点在于以简略易懂的言语向读者遍及深度学习和 PyTorch 的内容。一改往日教程或教科书刻板的风格，全书运用了许多简略易懂的插图，力求让读者能够了解。
图 1.3：单个神经元的简略核算进程，运用动态图。
以图 1.3 为例，它向读者介绍了机器学习中简略的神经元核算进程。除了公式外，还经过图解的直观方法展现了神经元及其权重、偏置量在核算进程中的改变。
而在介绍神经网络的核算进程时，书里也不吝用公式+手绘流程图+插图的方法，力求将整个笼统进程简略明晰的显示出来。
图 5.3：一个三层的神经网络架构。
全书遍地可见的插图令人形象深入。为了很好地展现一切或许需求了解的信息，作者不吝选用许多手绘的方法进行展现。例如说，下图中将一维张量转换到二维进程中，运用图解方法阐明数据的改变形状。假如仅仅用规范的张量表明来解读则会形成必定的了解困难。
图 3.2：将一维多通道数据转换为二维多通道数据。在这样的一个进程中，咱们应该将每个样本的日期和时刻放在不同的坐标轴上。
虽然书中没有配套代码，可是全书随处可见的事例和代码块现已发挥了相应的效果，能够说边看书边写代码都没问题，并且许多代码都会有相似的「脚注」阐明。
规划练习循环的代码块示例。
当然，这部书并不是「神经网络大全」或许「高档 Python 代码进阶」这样的书，读者阅览学习后也仅仅了解了深度学习的相关常识和 PyTorch 的运用办法。可是作为最根底的入门教程现已很好了，对有高中数学根底的人或许就现已满足。
全书目录
《PyTorch 深度学习》旨在辅导人们开端自己的 AI/机器学习开发之路，全书一共只要 5 个章节、120 页，不像许多大部头那样啃不完。本书目录如下：
第一章是通俗易懂的入门内容，首要介绍了「什么是 PyTorch」和「为什么咱们要挑选 PyTorch」，以及对本书内容层次的整体介绍，让刚刚入门的读者能够顺利地阅览下去，并对 PyTorch 有一个浅层可是完好的开端认知。
第二章则从张量这一深度学习的基本概念开端，介绍了张量的相关数学机制，以及深度学习是怎样处理数据，完结「学习」这一进程的。
第三章开端则经过张量和实在国际的数据进行联络，阐明晰怎么运用张量表明表格、时序、图画和文本等数据。
第四章则进入机器学习机制的介绍，阐明晰深度学习的权重更新和反向传达原理。
最终一章首要会集在运用 PyTorch 构建神经网络并拟合数据散布。有了前几章的理论根底，这一章会添加许多代码方面实践介绍。
看起来理论有点多？作者在最初表明，虽然深度学习的上手实践很重要，可是本书的终究目标不单单是为读者供给一个东西技术的运用。作者们期望这本书供给的理论常识能够协助下一代的研讨者和从业者鄙人一个十年的工作中，将书供给的理论作为骨架构建起新的软件和使用。
其他教程
PyTorch 第一个官方的书本不行过瘾？机器之心还整理过许多相关教程。
MIT 线性代数课程：https://ocw.mit.edu/courses/mathematics/18-06-linear-algebra-spring-2010/
斯坦福 CS231N《用于视觉辨认的卷积神经网络（Convolutional Neural Networks for Visual Recognition）》：https:///playlist?list=PLzUTmXVwsnXod6WNdg57Yc3zFx_f-RYsq
斯坦福 CS224N
《深度学习自然言语处理（Natural Language Processing with Deep Learning）》：https:///playlist?list=PLU40WL8Ol94IJzQtileLTqGZuXtGlLMP_
60 分钟入门 PyTorch，官方教程手把手教你练习第一个深度学习模型
