本书的主要内容有：学习基本PyTorch语法和设计模式。创建定制模型和数据变换。使用GPU和TPU训练和部署模型。训练和测试一个深度学习分类器。使用优化和分布式训练加速训练。利用PyTorch库和PyTorch生态系统。

前言1
第1章PyTorch简介9
1.1PyTorch是什么?9
1.2为什么使用PyTorch?10
1.3新手指南12
1.3.1在GoogleColaboratory中运行13
1.3.2在本地计算机上运行16
1.3.3在云平台上运行17
1.3.4验证你的PyTorch环境20
1.4一个有趣的例子20
第2章张量29
2.1张量是什么？30
2.1.1简单CPU示例30
2.1.2简单GPU示例31
2.1.3在CPU和GPU之间移动张量32
2.2创建张量33
2.2.1张量属性37
2.2.2数据类型38
2.2.3由随机样本创建张量.40
2.2.4创建类似其他张量的张量42
2.3张量操作42
2.3.1张量索引、切片、合并和拆分43
2.3.2张量数学运算47
2.3.3自动微分（Autograd）54
第3章使用PyTorch的深度学习开发57
3.1完整过程58
3.2数据准备60
3.2.1数据加载60
3.2.2数据变换65
3.2.3数据批处理69
3.2.4一般数据准备（torch.utils.data）70
3.3模型开发74
3.3.1模型设计75
3.3.2训练90
3.3.3验证98
3.3.4测试102
3.4模型部署103
3.4.1保存模型104
3.4.2部署到PyTorchHub105
3.4.3部署到生产环境106
第4章神经网络开发参考设计107
4.1使用迁移学习完成图像分类108
4.1.1数据处理108
4.1.2模型设计111
4.1.3训练和验证113
4.1.4测试和部署115
4.2用Torchtext完成情感分析117
4.2.1数据处理117
4.2.2模型设计123
4.2.3训练和验证125
4.2.4测试和部署127
4.3生成式学习—用DCGAN生成Fashion-MNIST图像129
4.3.1数据处理130
4.3.2模型设计132
4.3.3训练135
4.3.4测试和部署140
第5章定制PyTorch143
5.1定制层和激活函数144
5.1.1定制层示例（ComplexLinear）146
5.1.2定制激活示例（ComplexReLU）150
5.2定制模型架构151
5.3定制损失函数154
5.4定制优化器算法156
5.5定制训练、验证和测试循环160
第6章PyTorch加速和优化.165
6.1TPU上使用PyTorch166
6.2（单机）多个GPU上使用PyTorch.170
6.2.1数据并行处理.170
6.2.2模型并行处理.175
6.2.3结合数据并行处理和模型并行处理.177
6.3（多机）分布式训练180
6.4模型优化.182
6.4.1超参数调优182
6.4.2量化.190
6.4.3剪枝.194
第7章PyTorch部署到生产环境201
7.1PyTorch部署工具和库202
7.1.1通用示例模型.203
7.1.2PythonAPI204
7.1.3TorchScript205
7.1.4TorchServe209
7.1.5ONNX.218
7.1.6Mobile库219
7.2部署到Flask应用221
7.3ColabFlask应用.224
7.4用TorchServe部署到云227
7.5Docker快速入门.227
7.6部署到移动和边缘设备229
7.6.1iOS229
7.6.2Android232
7.6.3其他边缘设备.236
第8章PyTorch生态系统和其他资源239
8.1PyTorch生态系统240
8.2面向图像和视频的Torchvision248
8.2.1数据集和I/O249
8.2.2模型.251
8.2.3变换、操作和实用工具.253
8.3用于NLP的Torchtext261
8.3.1创建一个数据集对象261
8.3.2预处理数据262
8.3.3创建一个Dataloader批处理263
8.3.4数据（torchtext.data）264
8.3.5数据集（torchtext.datasets）265
8.3.6词汇表（torchtext.vocab）268
8.4用于可视化的TensorBoard269
8.4.1SCALARS显示学习曲线.272
8.4.2GRAPHS显示模型架构273
8.4.3IMAGES、TEXT和PROJECTOR显示数据.274
8.4.4DISTRIBUTIONS和HISTOGRAMS显示权重分布.275
8.4.5HPARAMS显示超参数.276
8.4.6TensorBoardAPI277
8.5PaperswithCode280
8.6其他PyTorch资源.280
8.6.1教程.281
8.6.2图书.283
8.6.3在线课程和现场培训284