曾芃壹，现为中山大学数据科学与计算机学院在读硕士，主要研究兴趣有深度学习、语音识别、推荐系统、自动犯罪侦查等。熟悉C、C++、Java、Python等多种程序设计语言、Flask建站技术以及PyTorch、TensorFlow深度学习框架，在简书上写了多篇PyTorch的文章，深受读者欢迎。

第一部分 基础篇
第1章 准备工作
1.1 硬件配置
1.2 在Mac OS X系统下配置PyTorch运行环境
1.3 在Ubuntu系统下配置PyTorch运行环境
1.4 在Windows系统下配置PyTorch运行环境
第2章 Tensor基础
2.1 Tensor
2.2 Autograd
第3章 深度学习基础
3.1 机器学习
3.2 线性回归
3.3 非线性回归
3.4 逻辑回归
3.5 多元分类
3.6 反向传播
3.7 卷积神经网络
3.8 手写字体识别
3.9 fastai手写字体识别
第二部分 实战篇
第4章 迁移学习
4.1 经典图像模型
4.2 迁移学习实战
4.3 使用fastai实现迁移学习
第5章 序列转序列模型
5.1 循环神经网络模型
5.2 神经翻译机简介
5.3 利用PyTorch构造神经翻译机
第6章 生成对抗网络
6.1 生成对抗网络概览
6.2 使用生成对抗网络生成二次元头像
6.3 使用TorchGAN生成二次元头像
第7章 深度强化学习
7.1 深度强化学习
7.2 基于策略的算法
7.3 基于值的算法
7.4 Gym简介
7.5 Q-Learning实战
第8章 风格迁移
8.1 风格迁移原理
8.2 风格迁移实践
第三部分 高级篇
第9章 PyTorch扩展
9.1 自定义神经网络层
9.2 C++加载PyTorch模型
第10章 PyTorch模型迁移
10.1 ONNX简介
10.2 使用ONNX将PyTorch模型迁移至Caffe2
10.3 使用ONNX将PyTorch模型迁移至Core ML
第11章 PyTorch可视化
11.1 使用visdom实现PyTorch可视化
11.2 使用TensorBoard实现PyTorch可视化
11.3 使用Netron显示模型
第12章 PyTorch的并行计算
12.1 多进程
12.2 多GPU并行计算

本书用浅显易懂的语言，图文并貌地讲解了深度学习的基础知识，从如何挑选硬件到神经网络的初步搭建，再到实现图片识别、文本翻译、强化学习、生成对抗网络等多个目前最流行的深度学习应用。书中基于目前流行的PyTorch框架，运用Python语言实现了各种深度学习的应用程序，让理论和实践紧密结合。
本书适合打算入门深度学习的人群以及对Python语言有初步了解的读者阅读。