本书选用Facebook开源深度学习库PyTorch作为深度学习框架，读者可以通过实战操作，快速创建经典卷积神经网路、循环神经网路、自编码模型、对抗生成网路等模型。开启海绵模式，儘可能多地学习深度学习原理知识，并有针对性地进行实际训练，相信一定会有所收穫。

深度学习已经成为人工智慧炙手可热的技术，PyTorch是一个较新的、容易上手的深度学习开源框架，目前已得到广泛套用。《深度学习框架PyTorch快速开发与实战》从PyTorch框架结构出发，通过案例主要介绍了线性回归、逻辑回归、前馈神经网路、卷积神经网路、循环神经网路、自编码模型、以及生成对抗网路。《深度学习框架PyTorch快速开发与实战》作为深度学习的入门教材，省略了大量的数学模型推导，适合深度学习初学者，人工智慧领域的从业者，以及深度学习感兴趣的人阅读。

第一部分理论部分

第1章 深度学习简介 2

1.1 深度学习 2

1.2 神经网路的发展 6

1.3 深度学习的套用 7

1.4 常用的数学知识和机器学习算法 8

1.5 PyTorch简介 11

1.5.1 PyTorch介绍 11

1.5.2 使用PyTorch的公司 15

1.5.3 PyTorch API 16

1.5.4 为什幺选择Python语言 16

1.5.5 Python语言的特点 16

1.6 常用的机器学习、深度学习开源框架 17

1.7 其他常用的模组库 19

1.8 深度学习常用名词 20

第2章 PyTorch环境安装 33

2.1 基于Ubuntu环境的安装 33

2.1.1 安装Anaconda 35

2.1.2 设定国内镜像 36

2.2 Conda命令安装PyTorch 37

2.3 pip命令安装PyTorch 37

2.4 配置CUDA 38

第3章 PyTorch基础知识 40

3.1 张量 40

3.2 数学操作 43

3.3 数理统计 44

3.4 比较操作 45

第4章 简单案例入门 47

4.1 线性回归 47

4.2 逻辑回归 52

第5章 前馈神经网路 59

5.1 实现前馈神经网路 61

5.2 数据集 68

5.3 卷积层 72

5.4 Functional函式 75

5.5 最佳化算法 82

5.6 自动求导机制 85

5.7 保存和载入模型 87

5.8 GPU加速运算 87

第6章 PyTorch可视化工具 89

6.1 Visdom介绍 89

6.2 Visdom基本概念 90

6.2.1 Panes（窗格） 90

6.2.2 Environments（环境） 90

6.2.3 State（状态） 91

6.3 安装Visdom 91

6.4 可视化接口 91

6.4.1 Python函式属性提取技巧 92

6.4.2 vis.text 93

6.4.3 vis.image 93

6.4.4 vis.scatter 94

6.4.5 vis.line 95

6.4.6 vis.stem 97

6.4.7 vis.heatmap 97

6.4.8 vis.bar 99

6.4.9 vis.histogram 101

6.4.10 vis.boxplot 102

6.4.11 vis.surf 103

6.4.12 vis.contour 104

6.4.13 vis.mesh 106

6.4.14 vis.svg 107

第二部分 实战部分

第7章 卷积神经网路 110

7.1 卷积层 112

7.2 池化层 114

7.3 经典的卷积神经网路 115

7.3.1 LeNet-5神经网路结构 115

7.3.2 ImageNet-2010网路结构 117

7.3.3 VGGNet网路结构 122

7.3.4 GoodLeNet网路结构 124

7.3.5 ResNet网路结构 126

7.4 卷积神经网路案例 129

7.5 深度残差模型案例 138

第8章 循环神经网路简介 145

8.1 循环神经网路模型结构 146

8.2 不同类型的RNN 147

8.3 LSTM结构具体解析 151

8.4 LSTM的变体 153

8.5 循环神经网路实现 156

8.5.1 循环神经网路案例 156

8.5.2 双向RNN案例 160

第9章 自编码模型 164

第10章 对抗生成网路 172

10.1 DCGAN原理 175

10.2 GAN对抗生成网路实例 180

第11章 Seq2seq自然语言处理 186

11.1 Seq2seq自然语言处理简介 186

11.2 Seq2seq自然语言处理案例 188

第12章 利用PyTorch实现量化交易 204

12.1 线性回归预测股价 205

12.2 前馈神经网路预测股价 209

12.3 递归神经网路预测股价 214

邢梦来，擅长量化分析理论，深入研究多空对比分析，对多空趋势平衡有独特的见解，形成一套多空对比体系。同时对对交易心理状况、人工智慧与区块链技术也有较深的研究。

王硕，资深软体工程师，具有9年的Java企业套用开发经验和4年的教育培训经验，曾主持多个B/S项目开发，项目经验丰富，擅长Java EE（Struts2、Spring3、Hibernate3）项目开发、Python（程式GUI、数据分析、网路爬虫）项目开发，是极宽TOP开源团队核心成员，也是《PyQt5快速开发与实战》一书的作者之一。

孙洋洋，《PyQt5快速开发与实战》一书的作者之一，擅长网路爬虫、机器学习、量化投资与程式GUI开发设计。有多年量化投资实盘操作经历，现就职于某期货公司做量化研究员。