机器之心报道
参与：魔王
去年 11 月，PyTorch 官方发布权威 PyTorch 教程书籍《Deep Learning with PyTorch》，但遗憾的是当时这本书只有前五章内容免费。现在，经过更新迭代后，PyTorch 终于发布了该书的免费版本。还不快来学？
书籍地址：https://pytorch.org/assets/deep-learning/Deep-Learning-with-PyTorch.pdf
PyTorch 是当前最热的深度学习框架之一。自 2016 年诞生以来，PyTorch 迅速发展，成为广受开发者和研究人员喜爱的框架。根据最近的一项统计，在 ICLR 2020 和 CVPR 2020 会议中，使用 PyTorch 的论文数远超 TensorFlow，研究人员对 PyTorch 的偏爱程度进一步加深。
然而，PyTorch 直到去年 11 月才提供官方权威的 PyTorch 教程书籍《Deep Learning with PyTorch》，且只有前五个章节的内容免费可看。
最近，PyTorch 官方终于放出了该书 V3.6.8 版本的全部内容。全书约 500 页，包含 15 个章节，内容详实，图文并茂。
这本书为使用 PyTorch 构建和训练神经网络提供了详细且易于上手的教程，使用的编程语言为 Python。
这本 PyTorch 官方书籍讲了些什么
《Deep Learning with PyTorch》一书涵盖了 PyTorch 核心知识、真实示例和部署教程这三部分内容，全书的主要内容包括：
深度学习和 PyTorch 简介
预训练模型
张量
学习的机制
使用神经网络拟合数据
使用卷积执行泛化
现实示例：构建用于癌症检测的神经网络
部署到生产环境
详细目录如下所示：
书籍特点：图文并茂，代码丰富
这本书的主要特点是：图文并茂，简单易懂，案例和代码块丰富。
该书一改往日教程或教科书刻板的风格，书中随处可见的插图令人印象深刻，还包括大量手绘插图。
例如，下图展示了 PyTorch 使用 autograd 进行计算时的模型前向图和后向图：
而在介绍神经网络的计算过程时，这本书不惜用公式 手绘流程图 插图的形式，力求将整个抽象过程进行简洁地说明。
此外，该书具备配套代码，且书中案例和代码块随处可见。
配套代码地址：
https://www.manning.com/books/deep-learning-with-pytorch
https://github.com/deep-learning-with-pytorch/dlwpt-code
书中的大量代码块可以帮助读者边看书边写代码，很多代码都会有如下类似的「脚注」说明。
设计训练循环的代码块示例。
除此之外，该书还有讨论论坛：https://livebook.manning.com/#!/book/deep-learning-with-pytorch/discussion。购买该书后，读者可以在此留言，与书籍作者和其他读者互动。在此页面免费预览该书的读者，也可以查看其他人的留言和讨论。
,
