前言

深度學習前景

我們正處在一個“智能”的年代，比如智能手機中的語音助手、機器翻譯和人臉識別；戰勝過日本將棋冠軍、國際象棋冠軍，2017年又打敗世界圍棋冠軍的棋類AI；以及即將實用化的無人駕駛智能汽車。原來被認為不可能實現的事情，人工智能正一步一步地幫助我們實現。在這個讓人驚喜的世界里，深度學習技術發揮著至關重要的作用，在很多人沒有注意到的地方，深度學習正在潛移默化地改變著人們的工作和生活。目前，深度學習已經在計算機視覺、自然語言處理和語音識別等領域得到廣泛的應用，同時正在向教育、醫療、金融及制造等領域滲透，各行各業也都在招攬掌握了深度學習技術的人才。

我的心得體會

我有著多年的計算機視覺研究經驗，在這個領域中，深度學習正在逐步取代“人工特征+機器學習”的傳統視覺算法。其中的原因主要有兩方面：一方面是深度學習在很多任務上實現了超出傳統算法的精度，另一方面是傳統視覺算法中的“人工特征”需要大量的經驗以及對任務和數據的深刻理解，而深度學習能夠根據數據自行學習如何提取特征，極大地降低了機器視覺任務的難度。

深度學習技術正在快速發展，每年都會出現很多新的優秀算法，但是這些算法越來越復雜，對于初學者來說，跟進最新的研究成果變得越來越難。我觀察到很多用戶非常關注深度學習，并且對PyTorch有著很大的興趣，可惜相關資料太過晦澀難懂，難以入門。為了讓讀者能夠更好地理解深度學習的思維，學會使用深度學習工具，我寫了本書。

本書特色

本書分為基礎講解和項目實例兩個部分，以代碼編寫為主，理論解析為輔。

在基礎講解部分，本書通過編程實驗對深度學習理論進行展示，讓讀者能夠擺脫復雜難懂的數學公式，在編程的過程中直觀理解深度學習領域晦澀的原理。

在項目實例部分，為了幫助初學者快速了解深度學習中的一些細分領域（如目標檢測、圖像分割、生成對抗網絡等）的技術發展現狀，本書對相應領域的經典算法進行了介紹，并根據經典算法的思路，針對性地設計了適合初學者學習的實例項目。這些項目去除了算法中的煩瑣細節，僅保留最基礎的邏輯，力求讓讀者在編寫代碼之前，更好地理解任務思路。

本書內容

本書分為基礎講解和項目實例兩部分。在基礎講解部分，我們為讀者介紹了scikit-learn和PyTorch兩個庫的組成模塊，以及每個模塊能解決的問題；在項目實例部分，我們為讀者挑選了很多在工業界有實際應用場景的深度學習項目，重點介紹它們的思路以及代碼實現。本書的詳細內容如下圖所示。

為了方便讀者的學習，本書中的代碼有下面3種形式。

• 小型實驗樣例采用命令行形式編寫，每行代碼前都會有“>>>”標記。
• 配圖較多的實例使用Jupyter Notebook編寫，在每一段代碼前都有“In”標記。
• 實例項目采用項目文件的形式編寫，章節開頭會給出項目的目錄結構，章節內的代碼以文件為單位進行展示，代碼的第一行標注所屬文件的名稱。

本書編者

本書第1~2章由戴亮編寫，第3~10章由安徽外國語學院計算機教師郭卡編寫，并由郭卡進行全書統稿。

本書讀者對象

本書適合以下人群閱讀：

• 深度學習相關的科研工作者；
• 計算機視覺從業者；
• 想要了解深度學習技術的程序員；
• 對深度學習感興趣的其他讀者。

具備以下知識的讀者能更好地閱讀本書：

• 線性代數和數理統計知識；
• 深度學習框架知識。