[正版]动手学深度学习(PyTorch版)李沐和亚马逊科学家阿斯顿·张等大咖作者 机器学习深度学习领域重磅教程交互式实战

本书是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。

本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。本书包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。

本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程知识及预备知识中描述的线性代数、微分和概率等基础知识。

对本书的赞誉

前言

译者简介

学习环境配置

资源与支持

主要符号表

第1章 引言

 1.1 日常生活中的机器学习

 1.2 机器学习中的关键组件

 1.2.1 数据

 1.2.2 模型

 1.2.3 目标函数

 1.2.4 优化算法

 1.3 各种机器学习问题

 1.3.1 监督学习

 1.3.2 无监督学习

 1.3.3 与环境互动

 1.3.4 强化学习

 1.4 起源

 1.5 深度学习的发展

 1.6 深度学习的成功案例

 1.7 特点

第2章 预备知识

 2.1 数据操作

 2.1.1 入门

 2.1.2 运算符

 2.1.3 广播机制

 2.1.4 索引和切片

 2.1.5 节省内存

 2.1.6 转换为其他Python对象

 2.2 数据预处理

 2.2.1 读取数据集

 2.2.2 处理缺失值

 2.2.3 转换为张量格式

 2.3 线性代数

 2.3.1 标量

 2.3.2 向量

 2.3.3 矩阵

 2.3.4 张量

 2.3.5 张量算法的基本性质

 2.3.6 降维

 2.3.7 点积

 2.3.8 矩阵-向量积

 2.3.9 矩阵-矩阵乘法

 2.3.10 范数

 2.3.11 关于线性代数的更多信息

 2.4 微积分

 2.4.1 导数和微分

 2.4.2 偏导数

 2.4.3 梯度

 2.4.4 链式法则

 2.5 自动微分

 2.5.1 一个简单的例子

……

第3章 线性神经网络

第4章 多层感知机

第5章 深度学习计算

第6章 卷积神经网络

第7章 现代卷积神经网络

第8章 循环神经网络

第9章 现代循环神经网络

第10章 注意力机制

第11章 优化算法

第12章 计算性能

第13章 计算机视觉

第14章 自然语言处理：预训练

第15章 自然语言处理：应用

附录A 深度学习工具

参考文献

阿斯顿·张（Aston Zhang），亚马逊应用科学家，美国伊利诺伊大学香槟分校计算机科学博士，统计学和计算机科学双硕士。他专注于机器学习的研究，并在数个学术会议发表过论文。他担任过NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI等学术会议的程序委员或审稿人以及Frontiers in Big Data期刊的编委。

扎卡里·C.立顿（Zachary C.Lipton），亚马逊应用科学家，美国卡内基梅隆大学助理教授，美国加州大学圣迭戈分校博士。他专注于机器学习算法及其社会影响的研究，特别是在时序数据与序列决策上的深度学习。这类工作有着广泛的应用场景，包括医疗诊断、对话系统和产品推荐。他创立了博客“Approximately Correct”（approximatelycorrect.com）。

李沐（Mu Li），亚马逊首席科学家（Principal Scientist），加州大学伯克利分校客座助理教授，美国卡内基梅隆大学计算机系博士。他专注于分布式系统和机器学习算法的研究。他是深度学习框架MXNet的作者之一。他曾任机器学习创业公司Marianas Labs的CTO和百度深度学习研究院的主任研发架构师。他在理论、机器学习、应用和操作系统等多个领域的顶级学术会议（包括FOCS、ICML、NeurIPS、AISTATS、CVPR、KDD、WSDM、OSDI）上发表过论文。

亚历山大·J.斯莫拉（Alexander J. Smola），亚马逊副总裁/杰出科学家，德国柏林工业大学计算机科学博士。他曾在澳大利亚国立大学、美国加州大学伯克利分校和卡内基梅隆大学任教。他发表了超过200篇学术论文，并著有5本书，其论文及书被引用超过10万次。他的研究兴趣包括深度学习、贝叶斯非参数、核方法、统计建模和可扩展算法。

何孝霆（Xiaoting He），亚马逊应用科学家，中国科学院软件工程硕士。他专注于对深度学习的研究，特别是自然语言处理的应用（包括语言模型、AIOps、OCR），相关工作落地于众多企业。他担任过ACL、EMNLP、NAACL、EACL等学术会议的程序委员或审稿人。

瑞潮儿·胡（Rachel Hu），亚马逊应用科学家，美国加利福尼亚大学伯克利分校统计学硕士，加拿大滑铁卢大学数学学士。她致力于将机器学习应用于现实世界的产品。她也是亚马逊人工智能团队的讲师，教授自然语言处理、计算机视觉和机器学习商业应用等课程。她已向累计1000余名亚马逊工程师教授机器学习，其公开课程视频在YouTube和哔哩哔哩上广受好评。