本书以PyTorch为基础,介绍机器学习的基础知识与常用方法,全面细致地提供了基本机器学习操作的原理和在PyTorch框架下的实现步骤。全书分为基础篇和实战篇,包括16章内容和两个附录,分别为深度学习简介、深度学习框架、机器学习基础知识、PyTorch深度学习基础、Logistic回归、神经网络基础、卷积神经网络与计算机视觉、神经网络与自然语言处理、搭建卷积神经网络进行图像分类、图像风格迁移、基于RNN的文本分类、基于CNN的视频行为识别、实现对抗性样本生成、实现基于LSTM 的情感分析、实现DCGAN、视觉问答、PyTorch环境搭建、深度学习的数学基础。本书将理论与实践紧密结合,相信能为读者提供有益的学习指导。 本书适合Python深度学习初学者、机器学习算法分析从业人员以及高等院校计算机科学、软件工程等相关专业的师生阅读。