使用 PyTorch 进行深度学习

本仓库包含由 Eli Stevens、Luca Antiga 和 Thomas Viehmann 撰写的《使用 PyTorch 进行深度学习》一书的代码，该书由 Manning 出版社出版。

本书的 Manning 官网地址为：https://www.manning.com/books/deep-learning-with-pytorch

您也可以在亚马逊上购买此书：https://amzn.to/38Iwrff（联盟链接；根据规定：“作为亚马逊联盟会员，我将从符合条件的购买中获得收入。”）

本书的勘误表可在 Manning 官网或以下网址找到：https://deep-learning-with-pytorch.github.io/dlwpt-code/errata.html

关于《使用 PyTorch 进行深度学习》

本书旨在提供使用 PyTorch 进行深度学习的基础知识，并通过一个实际项目展示这些知识的应用。我们力求阐明深度学习的核心概念，并说明 PyTorch 如何使这些概念易于实践者掌握。在书中，我们努力培养读者对深度学习的直觉理解，以支持进一步的探索；同时，我们会适度深入细节，揭示底层的工作原理。

《使用 PyTorch 进行深度学习》并非一本参考手册，而是一本概念性的辅助读物，帮助读者独立地在网上探索更高级的内容。因此，我们只聚焦于 PyTorch 提供的部分功能。其中最显著的缺失是循环神经网络，但其他部分的 PyTorch API 也同样未涵盖。

哪些人适合阅读本书

本书面向希望成为或已经从事深度学习工作的开发者，以及想要熟悉 PyTorch 的人士。我们的典型读者可能是计算机科学家、数据科学家、软件工程师，或是相关专业的本科生及以上学生。由于我们不假设读者具备深度学习的先验知识，因此书中前半部分的一些内容可能会重复经验丰富的从业者已知的概念。对于这类读者，我们希望本书能以不同的视角重新阐述这些主题。

我们期望读者具备命令式编程和面向对象编程的基础知识。由于本书使用 Python，您需要熟悉其语法和运行环境。能够安装 Python 包并在您选择的平台上运行脚本是必要的前提条件。来自 C++、Java、JavaScript、Ruby 等语言背景的读者应该能够较快上手，但仍需在本书之外补充一些知识。同样地，熟悉 NumPy 将会很有帮助，尽管并非严格要求。此外，我们也希望读者了解一些基础的线性代数知识，例如矩阵和向量的概念，以及点积的含义。

关于作者

Eli Stevens 大部分职业生涯都在硅谷的初创公司工作，担任过软件工程师（开发企业级网络设备）和首席技术官（开发放射肿瘤学软件）等职务。截至出版时，他正致力于自动驾驶领域的机器学习研究。

Luca Antiga 在 2000 年代曾从事生物医学工程研究，过去十年则担任一家人工智能工程公司的联合创始人兼首席技术官。他曾参与多个开源项目，包括 PyTorch 核心开发。最近，他共同创立了一家位于美国的初创公司，专注于数据驱动型软件的基础设施建设。

Thomas Viehmann 是一位总部位于德国慕尼黑的机器学习和 PyTorch 专业培训师及顾问，同时也是 PyTorch 核心开发者。他拥有数学博士学位，既不惧怕理论，又善于将其应用于实际的计算挑战中。

dlwpt-code 快速上手指南

dlwpt-code 是 Manning 出版社出版的《Deep Learning with PyTorch》一书的官方配套代码库。本书旨在通过实战项目帮助开发者掌握 PyTorch 深度学习基础。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux、macOS 或 Windows。
• 编程语言：Python 3.6 或更高版本。
• 前置知识：
  • 熟悉 Python 语法及面向对象编程。
  • 了解基础的线性代数概念（矩阵、向量、点积）。
  • 熟悉 NumPy 库（推荐，非强制）。
• 依赖管理：建议创建独立的虚拟环境（如使用 venv 或 conda）以避免依赖冲突。

安装步骤

1. 克隆代码仓库

首先，将项目代码克隆到本地：

git clone https://github.com/deep-learning-with-pytorch/dlwpt-code.git
cd dlwpt-code

2. 安装依赖包

进入项目目录后，安装所需的 Python 依赖。为了获得更快的下载速度，推荐使用国内镜像源（如清华源或阿里源）。

使用 pip 安装（推荐清华源）：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：如果项目中未包含 requirements.txt 文件，通常需要手动安装核心依赖：

pip install torch torchvision numpy matplotlib jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple

提示：如需使用 GPU 加速，请访问 PyTorch 官网 获取对应 CUDA 版本的安装命令。

基本使用

本仓库主要包含书中各章节的 Jupyter Notebook (.ipynb) 和 Python 脚本 (.py)。

启动 Jupyter Notebook

这是最推荐的浏览方式，可以交互式地运行代码并查看可视化结果：

jupyter notebook

浏览器会自动打开，导航至对应的章节文件夹（例如 part1 或 part2），点击 .ipynb 文件即可开始学习。

运行单个脚本

如果您希望直接在命令行运行某个具体的示例脚本：

python chapter_name/script_name.py

例如，运行一个简单的张量操作示例（具体文件名请参考仓库内的实际结构）：

python part1/chapter_02/example_tensor.py

现在您可以结合书籍内容，深入探索 PyTorch 的核心概念与实战应用了。