同時，PyTorch還發布了兩個新庫TorchData和functorch的beta版本，引起無數程序員狂歡熱議。

小異為你總結了本次更新的要點：

●TorchData，這是一個通用模塊化數據加載原語的新庫，用于輕松構建靈活和高性能的數據管道。

●functorch，這是一個將可組合函數轉換添加到PyTorch的新庫，現已推出beta版。

●分布式數據并行 (DDP) 靜態圖形優化穩定可用。

大家都知道，PyTorch是Facebook在2017年開源的一個針對深度學習的張量庫。它憑借容易上手、功能強大、性能高和用途廣泛等優點，成為了當前主流的深度學習框架之一，無論是在學術界還是在工業界都受到了深度學習愛好者和從行者的青睞。

如果你也想學習PyTorch，小異推薦你從這本經常受到國外程序員安利的入門書開始。

PyTorch的共同創造者Soumith Chintala還將這本書描述為 "PyTorch的權威論文"。

相信接下來的很長時間你將被這本書刷屏，它將出現在各大暢銷書排行榜內，這本書就是《PyTorch深度學習實戰》。

▲購買《PyTorch深度學習實戰》每買100減50元

— 01 —

這不是一本簡單的深度學習入門書

這不是一本簡單的深度學習入門書籍，而是基于PyTorch的深度學習入門書籍，這能讓我們的學習更有目的性。

我們都知道，通過將模型應用到例證，深度學習能允許我們執行很多復雜任務。

例如，機器翻譯、玩戰略游戲以及在雜亂無章的場景中識別物體等。為了在實踐中做到這一點， 我們需要靈活且高效的工具，以便能夠適用于這些復雜任務，能夠在合理的時間內對大量數據進行訓練。我們需要已被訓練過的模型在輸入變量變化的情況下正確執行。

而PyTorch能完美地契合我們的需求。

這里具體說說為什么我們要使用PyTorch：

● PyTorch很容易被推廣，因為它很簡單。

許多研究人員和實踐者發現它易于學習、使用、擴展和調試。它是Python化的，對于以前使用過Python的開發人員來說，使用該庫和使用其他Python庫一樣。

● PyTorch具備2個特性，使得它與深度學習關聯緊密。

首先，它使用GPU加速計算，通常比在CPU上執行相同的計算速度快50倍。其次，PyTorch提供了支持通用數學表達式數值優化的工具，該工具用于訓練深度學習模型。

● PyTorch設計的驅動因素之一是表現力。

它允許開發人員實現復雜的模型，PyTorch可以說是最無縫地將深度學習領域的思想轉化為Python代碼的軟件之一。

總而言之，雖然很多深度學習工具都使用Python，但PyTorch 庫是真正具備Python風格的。對于任何了解NumPy 和scikit-learn 等工具的人來說，上手PyTorch 輕而易舉。

PyTorch 在不犧牲高級特性的情況下簡化了深度學習，它非常適合構建快速模型，并且可以平穩地從個人應用擴展到企業級應用。

并且，像蘋果、Facebook和摩根大通這樣的公司都使用PyTorch，所以當你掌握了PyTorth，就會擁有更多的職業選擇。

而本書是教你使用 PyTorch 創建神經網絡和深度學習系統的實用指南，所以說，你不選選擇它作為入門深度學習的參考書籍，還能選擇誰？

— 02—

理論與實戰并重，講解方式新穎有效！

這本書指導讀者使用Python和PyTorch實現深度學習算法，主要提供了以下讓深度學習愛好者特別感興趣的內容：

（1）訓練深層神經網絡；

（2）實現模塊和損失函數；

（3）使用 PyTorch Hub 預先訓練的模型；

（4）探索在 Jupyter Notebooks 中編寫示例代碼。

當然，其書名中的“實戰”二字也是名副其實的。全書通過模擬近乎真實的場景，從場景描述開始，逐步對問題進行剖析，然后利用PyTorch解決問題。

閱讀本書，讀者不僅能夠全面掌握PyTorch相關的API的使用方法以及系統掌握深度學習的理論和方法，而且能夠輕松學會使用PyTorch實現各種神經網絡模型來解決具體的深度學習問題。

例如，在書中，我們將首先學習PyTorch的核心知識，然后體驗一個真實的案例研究項目：構建能夠使用CT掃描檢測惡性肺腫瘤的算法。

我們將學習用有限的輸入訓練網絡，并處理數據，以獲得一些結果。

我們將篩選出不可靠的初始結果，并專注于診斷和修復神經網絡中的問題。

最后，我們將研究通過增強數據訓練、改進模型體系結構和執行其他微調來改進結果的方法。

通過這個真實的案例，我們會發現PyTorch是多么有效和有趣，并掌握在生產中部署PyTorch模型的技能。

并且，這本書不是直接給出解決問題的完整代碼，而是在場景描述、問題分析、技術選型等方面給予更多的篇幅。

書中的代碼示例也有很好的注釋，提供了每個部分功能的關鍵解釋。對于那些只想瀏覽代碼而不需要逐行查看的人來說，這是一個非常有用的附加功能。這種方式更能幫助讀者真正深入地掌握相關技術的要領，正所謂“授人以魚，不如授人以漁”。

此外，令很多國外的程序員稱贊的是這本書對Python深度學習的實用方法的講解。

這本書在教我們在手動創建深度神經網絡之前，就提前介紹了一個可以集成到應用程序中的預訓練深度學習模型庫TorchVision。

因此，我們在創建自己的模型之前，就可以學習如何使用其他人已經經歷過痛苦的東西來創建，這是深度學習領域的常見做法。事實上，我們還可以利用一個預先訓練好的生成對抗網絡，把一匹馬變成一匹斑馬。

這種講解方式，讓我們輕松實戰，學習成就感十足！

— 03 —

三位大有來頭的作者是這本書質量的堅實保障！

給這本聲名遠揚的書籍增光添彩的三位作者，皆大有來頭。

《PyTorch深度學習實戰》由Eli Stevens、Luca Antiga和Thomas Viehmann合著而成，這三位工程師曾為PyTorch項目做出過貢獻，并擁有開發深度學習解決方案的豐富經驗。

●Eli Stevens

Eli Stevens職業生涯的大部分時間都在美國硅谷的初創公司工作，從軟件工程師(網絡設備制造業)到首席技術官(開發腫瘤放療軟件)。在英文原版書籍出版時，他正在汽車自動駕駛行業從事機器學習相關工作。

●Luca Antiga

21世紀初，Luca Antiga擔任生物醫學工程研究員。2010年到2020年間，他是一家人工智能工程公司的聯合創始人和首席技術官。

他參與了多個開源項目，包括PyTorch的核心模塊。最近，他作為聯合創始人創建了一家總部位于美國的初創公司，專注于數據定義軟件的基礎設施。

●Thomas Viehmann

Thomas Viehmann是一名德國慕尼黑的機器學習和PyTorch的專業培訓師和顧問，也是PyTorch核心開發人員。擁有數學博士學位的他不畏懼理論，擅長將理論應用于實際的計算挑戰。

當PyTorch的第1個版本在2017年1月18日發布時，三位作者都非常興奮。

Luca Antiga從那時開始成為PyTorch的核心貢獻者。而Eli Stevens很早就成為PyTorch社區的一員，負責提交一些錯誤修復文檔， 實現新特性或對文檔進行更新。Thomas為PyTorch貢獻了大量的特性，修復了很多錯誤，并最終成為一名獨立的核心貢獻者。

在組織了幾次PyTorch研討會之后，三位作者便決定寫一本書。于是，《PyTorch深度學習實戰》應運而生。

他們寫這本書的目的是為大家介紹PyTorch深度學習的基礎知識，并以一個實際項目來展示。他們力圖介紹深度學習底層的核心思想，并向讀者展示PyTorch如何將其實現。

在這本書中，他們試圖提供直觀印象以幫助大家進一步探索， 同時，他們選擇性地深入細節，以解剖其背后的奧妙。

這本書的創作目標用作者原話描述便是：“寫一本能夠吸引曾經的自己(剛開始學習PyTorch深度學習時的我們)的書?！?/strong>

由此可見，《PyTorch深度學習實戰》是一本特別適合深度學習初學者入門的書籍！

— 04 —

國內外讀者好評如潮！

一本書值不值得我們學習，看讀者評價就對了。

而《PyTorch深度學習實戰》也不負眾望，全文干貨滿滿，收到了無數讀者點贊！

你可以看看下面的亞馬遜讀者和豆瓣讀者評論：

生命不息，學習不止，快去拿起這本上手PyTorch的不二之選——《PyTorch深度學習實戰》，學習深度學習吧！

《PyTorch深度學習實戰》

作者：[美]Eli Stevens ,[意]Luca Antiga ,[德]Thomas Viehmann

譯者：牟大恩

本書主要內容：（1）訓練深層神經網絡；（2）實現模塊和損失函數；（3）使用 PyTorch Hub 預先訓練的模型；（4）探索在 Jupyter Notebooks 中編寫示例代碼。本書適用于對深度學習感興趣的 Python 程序員。了解深度學習的基礎知識對閱讀本書有一定的幫助，但讀者無須具有使用 PyTorch 或其他深度學習框架的經驗。

審核編輯 ：李倩