dlwpt code
1.0.0
该存储库包含 Eli Stevens、Luca Antiga 和 Thomas Viehmann 所著的《Deep Learning with PyTorch》一书的代码，该书由 Manning Publications 出版。
这本书的曼宁网站是：https://www.manning.com/books/deep-learning-with-pytorch
这本书也可以在亚马逊上购买：https://amzn.to/38Iwrff（附属链接；根据规则：“作为亚马逊合作伙伴，我通过符合资格的购买赚取收入。”）
本书的勘误表可以在 manning 网站上找到，或者在 https://deep-learning-with-pytorch.github.io/dlwpt-code/errata.html
本书的目的是提供 PyTorch 深度学习的基础，并展示它们在现实项目中的实际应用。我们努力提供深度学习的关键概念，并展示 PyTorch 如何将它们交到从业者手中。在书中，我们试图提供支持进一步探索的直觉，在此过程中，我们有选择地深入细节以展示幕后发生的事情。 《使用 PyTorch 进行深度学习》并不是一本参考书；而是一本参考书。相反，它是一个概念伴侣，可让您在线独立探索更高级的材料。因此，我们重点关注 PyTorch 提供的功能的子集。最值得注意的是循环神经网络的缺失，但 PyTorch API 的其他部分也是如此。
本书适用于那些正在或旨在成为深度学习实践者并且想要熟悉 PyTorch 的开发人员。我们想象我们的典型读者是计算机科学家、数据科学家或软件工程师，或者相关项目的本科生或更高年级的学生。由于我们不假设有深度学习的先验知识，因此本书前半部分的某些部分可能会重复经验丰富的从业者已经知道的概念。对于这些读者，我们希望展览能够为已知主题提供略有不同的角度。我们希望读者具备命令式和面向对象编程的基本知识。由于本书使用Python，因此您应该熟悉其语法和运行环境。了解如何在您选择的平台上安装 Python 包和运行脚本是先决条件。使用 C++、Java、JavaScript、Ruby 或其他此类语言的读者应该可以轻松上手，但需要在本书之外进行一些补习。同样，如果没有严格要求，熟悉 NumPy 也会很有用。我们还期望熟悉一些基本的线性代数，例如知道什么是矩阵和向量以及什么是点积。
Eli Stevens 的大部分职业生涯都在硅谷的初创公司工作，担任的职务包括软件工程师（制造企业网络设备）和首席技术官（开发放射肿瘤学软件）。在出版时，他正在研究自动驾驶汽车行业的机器学习。
Luca Antiga 在 2000 年代担任生物医学工程研究员，并在过去十年担任一家人工智能工程公司的联合创始人兼首席技术官。他为多个开源项目做出了贡献，包括 PyTorch 核心。他最近与他人共同创办了一家美国初创公司，专注于数据定义软件的基础设施。
Thomas Viehmann 是德国慕尼黑的机器学习和 PyTorch 专业培训师和顾问，也是 PyTorch 核心开发人员。拥有数学博士学位的他并不害怕理论，但在将其应用于计算挑战时，他非常实用。
