《深度学习之 PyTorch 实战计算机视觉》是一本旨在帮助零基础或基础较为薄弱的读者入门深度学习，并能够独立使用深度学习知识处理计算机视觉问题的书籍。

【领取方式见文末】

↓↓↓

计算机视觉、自然语言处理和语音识别是目前深度学习领域很热门的三大应用方向，《深度学习之PyTorch实战计算机视觉》旨在帮助零基础或基础较为薄弱的读者入门深度学习，达到能够独立使用深度学习知识处理计算机视觉问题的水平。通过阅读本书，读者将学到人工智能的基础概念及Python编程技能，掌握PyTorch的使用方法，学到深度学习相关的理论知识，比如卷积神经网络、循环神经网络、自动编码器，等等。

主要内容：

目录

第1章 浅谈人工智能、神经网络和计算机视觉
第2章 相关的数学知识 15
第3章 深度神经网络基础 29
第4章 卷积神经网络 51
第5章 Python基础 72
第6章 PyTorch基础 142
第7章 迁移学习 180
第8章 图像风格迁移实战 220
第9章 多模型融合 233
第10章 循环神经网络 247
第11章 自动编码器 258

基础概念讲解：书中首先介绍了人工智能、神经网络和计算机视觉的发展历史，让读者对这一领域有全面的认识，还讲解了相关的数学知识，为后续学习打下基础。

深度学习理论：包括深度神经网络基础，如监督学习、无监督学习、后向传播、损失和优化、激活函数等概念和定义，这些是搭建深度神经网络模型的关键知识。神经网络架构：详细介绍了卷积神经网络，涵盖卷积层、全连接层、池化层等内容，并对目前主流的卷积神经网络架构如 LeNet、AlexNet、VGGNet、GoogleNet、ResNet 等进行分析对比。

编程技能培养：教授 Python 基础，包括 Python 语法、变量、数据类型、运算、条件判断语句、循环语句、函数、类等内容，以及在处理计算机视觉问题时常用的 Python 包 numpy 和 matplotlib。还介绍了如何使用 PyTorch 深度学习框架，包括 PyTorch 中常用的包和类的使用方法，以及如何利用其特性提升代码效率，通过综合实例解决实际的计算机视觉问题。

实战案例分析：包含迁移学习、图像风格迁移实战、多模型融合、循环神经网络、自动编码器等内容，通过大量的实例让读者在实践中掌握深度学习知识和技能，如基于 PyTorch 进行迁移学习解决更复杂的计算机视觉问题，利用卷积神经网络进行图像风格迁移，使用循环神经网络处理计算机视觉问题，通过自动编码器实现图像去噪等功能。

书籍特色：

1、由浅入深：从基础到实战，遵循循序渐进的原则，前半部分知识偏向基础和理论，为后面的实战章节做铺垫，让读者对知识的理解更深刻，技能提升更迅速。

2、实例丰富：书中包含大量的实例，可让读者在学习过程中不断获得成就感，从而更积极、主动地学习。读者还可以通过这些实例举一反三、不断实践。

3、通俗易懂：作者的文笔较好，对复杂的深度学习、Python、PyTorch、神经网络、迁移学习及相关数学知识讲解透彻，易于理解。

4、内容全面：涵盖了深度学习和计算机视觉的多个重要方面，包括基础理论、编程实践、主流模型和算法，以及多种实际应用场景，使读者能够全面了解和掌握该领域的知识和技能。

5、适用人群：适合对深度学习技术感兴趣、但是相关基础知识较为薄弱或者零基础的读者，包括计算机视觉的初学者、计算机视觉算法开发人员，也适合高校相关专业的学生作为教材使用。如果你想系统地学习深度学习和 PyTorch，并将其应用到计算机视觉领域，那么这本书将是一个不错的选择。

如何获取资料：

1、一键三连+关注

2、后台回复“深度学习”即可