序

2006年年中開始做PyTorch項目時，我們還是一個開源團隊。我們這個團隊的成員是在網上互相認識的，都是想把深度學習軟件編寫得更好的計算機“極客”。本書3位作者中的2位——Luca Antiga和Thomas Viehmann對PyTorch今天所取得的成功起到了重要作用。

我們使用PyTorch的目的是構建一個盡可能靈活的框架來表達深度學習算法。我們專注于任務執行，并且希望在相對較短的開發時間里為開發者社區提供一個完善的產品。如果我們不是站在巨人的肩膀上，我想這是不可能完成的。PyTorch的大部分基礎代碼源于Ronan Collobert等人在2007年發起的Torch7項目，該項目源于Yann LeCun和Leon Bottou首創的編程語言——Lush。正是鑒于這段豐富的歷史經驗，我們才能關注需要改變的東西，而不是從零開始。

很難將PyTorch的成功歸因于單一因素，它具有良好的用戶體驗、較高的可調試性和靈活性，最終提高了用戶的工作效率。同時，PyTorch的大量使用也造就了一個出色的軟件生態系統，在此基礎上進行的研究使得PyTorch具有更好的用戶體驗。

一些線上或線下的關于PyTorch的課程和大學里的計劃課程，以及大量的線上博客和教程，使得PyTorch學習起來更容易。然而，關于PyTorch的圖書很少。2017年有人問我：“什么時候寫一本PyTorch的書？”我回答說：“如果現在開始寫，我敢保證，等書寫完了，書里面的內容就過時了。”

隨著本書的出版，我們最終有了一本關于PyTorch的權威著作。它非常詳細地介紹了基礎知識和抽象概念，對諸如張量和神經網絡的數據結構進行了分解介紹，以確保大家能夠理解它們的實現原理。此外，本書還涵蓋了一些高級主題，如即時（JIT）編譯器和生產環境部署，這些內容也是PyTorch的一部分。

此外，本書還有應用程序相關內容，通過使用神經網絡來幫助大家解決一個復雜和重要的醫學問題。憑借Luca在生物工程和醫學成像方面深厚的專業知識，Eli在醫療設備和檢測軟件方面的開發經驗，以及Thomas作為PyTorch核心開發人員的背景，本書的應用程序相關內容值得認真學習。 總之，我希望本書成為你長期的參考文檔，成為你的個人圖書館或工作室的一部分。

Soumith Chintala

PyTorch聯合創作者