内容详实，以案例作为场景，通过PyTorch深度学习框架对AI算法进行了实现

本书以PyTorch作为深度学习框架，主要包括4部分。第1部分（第1、2章），主要概述PyTorch基础知识与常见深度学习算法实现，例如，CNN、LSTM，即CNN-LSTM；第2部分（第3～5章）高级神经网络实现，主要包括常见的深度学习网络结构，例如CNN、RNN及近期新的Transformer等模型；第3部分（第6～9章）生成式AI和深度强化学习，主要包括GAN、GPT和DQN等算法；第4部分（第10～14章）生产中PyTorch落地的几个关键性主题，分布式训练、自动机器学习管道构建和硬件快速部署。
本书内容翔实，以案例作为场景，通过PyTorch深度学习框架对AI算法进行了实现，适合对人工智能感兴趣的高校教师、企业工程师及对AI算法感兴趣的技术人员和研究人员阅读。

第1部分PyTorch概述
第1章使用PyTorch概述深度学习003
1.1技术要求005
1.2回顾深度学习005
1.2.1激活函数011
1.2.2优化模式014
1.3探索PyTorch库018
1.3.1PyTorch模块019
1.3.2Tensor模块021
1.4使用PyTorch训练神经网络025
1.5总结033
第2章结合CNN和LSTM035
2.1技术要求036
2.2使用CNN和LSTM构建神经网络036
2.3使用PyTorch构建图像文字描述生成器038
2.3.1下载图像文字描述数据集039
2.3.2预处理文字描述（文本）数据041
……