本書針對深度學習及開源框架——PyTorch，采用簡明的語言進行知識的講解，注重實戰(zhàn)。全書分為4篇，共19章。深度學習基礎篇（第1章~第6章）包括PyTorch簡介與安裝、機器學習基礎與線性回歸、張量與數(shù)據(jù)類型、分類問題與多層感知器、多層感知器模型與模型訓練、梯度下降法、反向傳播算法與內置優(yōu)化器。計算機視覺篇（第7章~第14章）包括計算機視覺與卷積神經網絡、卷積入門實例、圖像讀取與模型保存、多分類問題與卷積模型的優(yōu)化、遷移學習與數(shù)據(jù)增強、經典網絡模型與特征提取、圖像定位基礎、圖像語義分割。自然語言處理和序列篇（第15章~第17章)包括文本分類與詞嵌入、循環(huán)神經網絡與一維卷積神經網絡、序列預測實例。生成對抗網絡和目標檢測篇（第18章~第19章)包括生成對抗網絡、目標檢測。
本書適合人工智能行業(yè)的軟件工程師、對人工智能感興趣的學生學習，同時也可作為深度學習的培訓教程。