譯者序

當下互聯網行業飛速發展，快速的業務更新和產品迭代給系統開發技術和模式帶來新的挑戰。隨著業務場景的日益豐富以及業務數據的積累和沉淀，多元化搜索、數據挖掘、自然語言處理、多媒體學習、語音處理、個性化推薦等已經成為當下互聯網系統中所必備的技術體系。而在所有這些技術體系的背后，深度學習都發揮著巨大的作用，另外在日常開發過程中的應用也非常廣泛。因此，深度學習儼然成為人工智能領域最熱門的研究方向。

深度學習作為機器學習的一個分支，近年來得到了長足的發展。深度學習的概念源于人工神經網絡的研究，本質上是包含多個隱藏層的多層感知器結構。神經網絡是一個復雜的概念，既包含豐富的理論體系，也涉及大量的數學推導工作。如何高效理解和掌握神經網絡是深度學習初學者所面臨的一大挑戰。為此，我們首先需要具備基本的思維模型，并理解神經網絡的組成結構以及運行原理。接著，通過從零開始構建深度學習模型，來理解深度學習中各個核心組件的原理和運行效果。然后，有了前面的基礎，進一步學習面向特定應用場景的卷積神經網絡（CNN）以及循環神經網絡（RNN）。最后，通過一款主流的深度學習開發框架來把所掌握的深度學習模型應用到系統開發過程中。這對掌握深度學習技術而言是一種合理的學習方法論。

本書正是基于上述方法論來對深度學習的方方面面展開討論的，在內容上詳細闡述了關于深度學習的以下核心主題。

● 理解深度學習的思維模型和基本原理，對理解神經網絡所需的函數、導數、鏈式法則等基本概念進行討論和推導，并分析神經網絡的基本結構。

● 構建深度學習模型，從零開始構建一款能夠運行的深度學習模型，并掌握損失函數、動量、學習率衰減、dropout 等核心組件。

● 構建 CNN 和 RNN，在原有深度學習模型的基礎上結合具體業務場景，了解構建這兩種典型神經網絡的系統方法。

● 使用 PyTorch 實踐神經網絡，用 PyTorch 這款主流的深度學習開發框架來實現各種神經網絡模型。

作者塞思 ? 韋德曼是深度學習領域的資深專家，他善于通過簡單明了的方式介紹復雜的概念。因此，這本書可以稱作深度學習領域的綜合性教程。無論從深度還是廣度上，全書都對深度學習的概念和實踐方法做了全面的介紹，這體現了作者對這些主題的獨到見解，讀完讓人受益匪淺。這本書對知識體系的構建以及細節的把控也讓人印象深刻，從基本概念出發，通過豐富而簡潔的代碼示例，給出這些概念的實現方案。行文上層層遞進，娓娓道來，幫忙大家從入門走向精通。更為重要的是，本書不僅介紹了深度學習的各項功能特性，還提供了一系列面向實戰的最佳實踐，可以作為廣大技術人員的開發指南。

由于時間倉促，譯者的水平和經驗有限，書中難免有欠妥和錯誤之處，懇請讀者批評指正。

　

鄭天民

2020 年 12 月于杭州錢江世紀城