1.2　PyTorch深度學習

PyTorch是一個Python程序庫，有助于構建深度學習項目。它強調靈活性，并允許用深度學習領域慣用的Python來表示深度學習模型。它的易用性使得它在研究社區中有了早期的使用者，并且在第1次發布之后的幾年里，它已經成為應用程序中使用最廣泛的深度學習工具之一。

正如Python在編程方面所做的那樣，PyTorch也為深度學習提供了很好的入門指南。同時，PyTorch已經被證明完全可以在實際項目和高規格的專業環境下使用。我們相信PyTorch憑借其清晰的語法、精簡的API和易于調試的優點將成為入門深度學習的最佳選擇。圖1.1中的深度學習機的核心是一個相當復雜的數學函數，它將輸入映射到輸出。為了便于表達這個函數，PyTorch提供了一個核心數據結構——張量，它是一個多維數組，與NumPy數組有許多相似之處。在這個基礎上，PyTorch提供了在專用硬件上執行加速數學操作的特性，這使得神經網絡結構設計以及在單機或并行計算資源上訓練它們變得很方便。

我們希望本書可以作為軟件工程師、數據科學家以及積極上進的學生學習深度學習的起始點，通過本書，他們能夠熟練地使用PyTorch來構建深度學習項目。我們希望本書盡可能容易理解和實用，希望你能夠理解本書中的概念并將它們應用到其他領域。為此，我們使用一種親身實踐的方法，希望你隨時準備好計算機，這樣你就可以對書中的示例有更深入的理解。讀完本書后，我們希望你能夠獲得數據源，并能根據優秀的官方文檔來構建一個深度學習項目。

雖然我們重點介紹的是應用PyTorch構建深度學習系統實踐方面的內容，但我們相信，為基礎深度學習工具提供一個易懂的導讀同樣是促進獲得新技能的一種方式。這是使用應用知識武裝新一代科學家、工程師和來自廣泛學科的實踐者邁出的一步，這些知識將成為未來幾十年許多軟件項目的關鍵。

為了充分利用本書，你需要2件東西。

• Python編程經驗。我們不打算在這一點上花篇幅介紹。你需要了解Python數據類型、類、浮點數等。
• 潛心鉆研、親自動手實踐的意愿。我們將從基礎開始構建我們的工作知識。如果你跟著我們一起動手學習，學起來會容易很多。

本書由3個部分組成。第1部分介紹基礎知識，詳細介紹通過PyTorch提供的工具將圖1.1所示的深度學習的過程轉化為代碼實現。第2部分將帶你完成一個完整的涉及醫學影像的端到端項目，CT掃描結果中查找并對腫瘤進行分類，以第1部分介紹的概念為基礎，并添加更高級的主題。本書結束部分，即第3部分，簡短介紹PyTorch提供的將深度學習模型部署到生產環境的相關內容。

深度學習是一個巨大的空間，本書只覆蓋該空間的一小部分。具體來說，包括一些使用PyTorch進行較小范圍的圖像分類和分割的項目，通過一些示例處理二維和三維的圖像數據集。

本書的重點在于PyTorch實踐，目的是覆蓋足夠的范圍，讓你能夠通過深度學習來解決現實世界中機器學習的問題，如在視覺領域應用深度學習領域中現有的模型或探索研究文獻中提出的新模型。與深度學習相關的最新出版物，大部分可以在arXiv官網的公共預印庫中找到^[2]。