dlwpt code
1.0.0
該儲存庫包含 Eli Stevens、Luca Antiga 和 Thomas Viehmann 所寫的《Deep Learning with PyTorch》一書的程式碼，該書由 Manning Publications 出版。
這本書的曼寧網站是：https://www.manning.com/books/deep-learning-with-pytorch
這本書也可以在亞馬遜上購買：https://amzn.to/38Iwrff（附屬連結；根據規則：「作為亞馬遜合作夥伴，我透過符合資格的購買賺取收入。」）
本書的勘誤表可以在 manning 網站上找到，或是在 https://deep-learning-with-pytorch.github.io/dlwpt-code/errata.html
本書的目的是提供 PyTorch 深度學習的基礎，並展示它們在現實專案中的實際應用。我們努力提供深度學習的關鍵概念，並展示 PyTorch 如何將它們交到從業者手中。在書中，我們試圖提供支持進一步探索的直覺，在此過程中，我們有選擇地深入細節以展示幕後發生的事情。 《使用 PyTorch 進行深度學習》並不是一本參考書；而是一本參考書。相反，它是一個概念伴侶，可讓您在線上獨立探索更高級的材料。因此，我們將重點放在 PyTorch 提供的功能的子集。最值得注意的是循環神經網路的缺失，但 PyTorch API 的其他部分也是如此。
本書適用於那些正在或旨在成為深度學習實踐者並且想要熟悉 PyTorch 的開發人員。我們想像我們的典型讀者是電腦科學家、資料科學家或軟體工程師，或相關計畫的本科生或更高年級的學生。由於我們不假設有深度學習的先驗知識，因此本書前半部的某些部分可能會重複經驗豐富的從業人員已經知道的概念。對於這些讀者，我們希望展覽能為已知主題提供略有不同的角度。我們希望讀者俱備命令式和物件導向程式設計的基本知識。由於本書使用Python，因此您應該熟悉其語法和運行環境。了解如何在您選擇的平台上安裝 Python 套件和運行腳本是先決條件。使用 C++、Java、JavaScript、Ruby 或其他此類語言的讀者應該可以輕鬆上手，但需要在本書之外進行一些補習。同樣，如果沒有嚴格要求，熟悉 NumPy 也會很有用。我們也期望熟悉一些基本的線性代數，例如知道什麼是矩陣和向量以及什麼是點積。
Eli Stevens 的職業生涯大部分都在矽谷的新創公司工作，擔任的職務包括軟體工程師（製造企業網路設備）和技術長（開發放射腫瘤學軟體）。在出版時，他正在研究自動駕駛汽車行業的機器學習。
Luca Antiga 在 2000 年代擔任生物醫學工程研究員，並在過去十年擔任一家人工智慧工程公司的聯合創始人兼首席技術長。他為多個開源專案做出了貢獻，包括 PyTorch 核心。他最近與他人共同創辦了一家美國新創公司，專注於數據定義軟體的基礎設施。
Thomas Viehmann 是德國慕尼黑的機器學習和 PyTorch 專業培訓師和顧問，也是 PyTorch 核心開發人員。擁有數學博士學位的他並不害怕理論，但在將其應用於計算挑戰時，他非常實用。
