《动手学深度学习（PyTorch版）》
·深度学习领域重磅作品《动手学深度学习》重磅推出PyTorch版本；
·李沐、阿斯顿·张等大咖作者强强联合，精心编撰；
·全球400多所大学采用的教科书，提供视频课程、教学PPT、习题，方便教师授课与学生自学；
·能运行、可讨论的深度学习入门书，可在线运行源码并与作译者实时讨论。
《深度学习详解》
1.李宏毅老师亲笔推荐，杨小康、周明、叶杰平、邱锡鹏鼎力推荐!
2.数百万次播放的深度学习课程配套书，李宏毅老师亲自点赞的开源项目，GitHub超10000次Star的开源笔记。
3.从Transformer到ChatGPT技术原理一个不落GPT中的T代表的正是Transformer。如何理解这一在深度学习领域具有深远影响的概念?从经典的论文开始,逐步深度介绍Transformer的原理。本书包含单独的ChatGPT章节，不仅介绍了ChatGPT的原理，还探讨了我们应当以怎样的态度对待Al的发展。

《动手学深度学习：PyTorch版》是《动手学深度学习》的重磅升级版本，选用经典的PyTorch深度学习框架，旨在向读者交付更为便捷的有关深度学习的交互式学习体验。《动手学深度学习：PyTorch版》重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容。《动手学深度学习：PyTorch版》包含15章，第一部分介绍深度学习的基础知识和预备知识，并由线性模型引出最简单的神经网络——多层感知机；第二部分阐述深度学习计算的关键组件、卷积神经网络、循环神经网络、注意力机制等大多数现代深度学习应用背后的基本工具；第三部分讨论深度学习中常用的优化算法和影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。《动手学深度学习：PyTorch版》同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读《动手学深度学习：PyTorch版》需要读者了解基本的Python编程知识及预备知识中描述的线性代数、微分和概率等基础知识。
《深度学习详解》根据李宏毅老师“机器学习”公开课中与深度学习相关的内容编写而成，介绍了卷积神经网络、Transformer、生成模型、自监督学习（包括BERT和GPT）等深度学习常见算法，并讲解了对抗攻击、领域自适应、强化学习、元学习、终身学习、网络压缩等深度学习相关的进阶算法。在理论严谨的基础上，《深度学习详解》保留了公开课中大量生动有趣的例子，帮助读者从生活化的角度理解深度学习的概念、建模过程和核心算法细节。

《动手学深度学习：PyTorch版》
《深度学习详解》