PyTorch是由Facebook人工智能研究院（FAIR）基于Torch推出的，它是一个基于Python的科学计算包，提供两个高级功能：1.具有强大的GPU加速的张量计算（如NumPy）；2.包含自动求导系统的的深度神经网络。本书以案例的形式讲解PyTorch基础、技术及前沿应用。全书共21章，包括：第1章 神经网络入门MNIST数字识别；第2章 ImageNet图像识别模型与CIFAR-10；第3章 从零构建图像分类模型；第4章 Char RNN文本生成与RNN原理；第5章 R-CNN目标检测和实例分割；第6章 人脸检测和识别；第7章 对抗生成网络GAN入门和图像上色；第8章 pix2pix为黑白图像上色；第9章 Neural-Style与图像风格迁移；第10章 AML对抗性机器学习；第11章 word2vec与词向量；第12章 命名实体识别；第13章 文本情感分析；第14章 基于BERT的文本分类；第15章 NMT神经网络翻译；第16章 文本阅读理解；第17章 为图像添加文本描述；第18章 聊天机器人；第19章 CircleGAN与AI换脸；第20章 ESPCN与图像超分辨率；第21章 强化学习和Q Net。本书使用了最新版本的 PyTorch 来讲解代码，也加入了一些最新的深度学习模型和项目，素材比较新颖，适合对机器学习感兴趣的读者阅读。同时配套了练习题，方便读者检验自己的学习情况，答案放在GitHub 或者公众号上。