零基础掌握深度学习、Python、PyTorch、神经网络、迁移学习及相关数学知识，用PyTorch实战计算机视觉

唐进民，深入理解深度学习与计算机视觉知识体系，有扎实的Python、PyTorch和数学功底，长期活跃于GitHub、知乎等平台，并分享与深度学习相关的文章，具有一定的阅读量和人气。此前在某AI在线教育平台兼职机器学习入门Mentor，辅导新学员入门机器学习和深度学习。

“人工智能”（Artificial Intelligence，简称AI）一词在很久以前就有了，被大众津津乐道却是近几年的事情，这和机器学习（Machine Learning）、深度学习（Deep Learning）等技术的崛起有着千丝万缕的联系，而这一切又得益于大数据的发展和计算机处理性能的不断提升。
本书将带领读者了解人工智能的相关技术和发展近况，通过一些实例来掌握必备的技能，并能够独立使用相关技术完成对计算机视觉问题的分析和处理。本书各个章节的知识要点如下。
第1章主要介绍人工智能、神经网络和计算机视觉的发展历史，让读者对这一领域有一个全面的认识。
第2章主要介绍在理解和掌握后面章节的内容时需要用到的数学知识，以及在实战操作的过程中进行环境搭建及安装相关软件的方法。本书中数学相关的大部分知识都集中在本章中，其主要目的是让读者先对这个领域的知识产生兴趣，这样才能更好地深入学习和研究。在本章中不会插入大量的数学公式，这样做会让初学者望而却步，在不断消化公式的过程中丧失学习兴趣和动力。通过不断实战来学习，可以累积成就感，这种自顶向下的方式不失为一种更好的学习方法。
第3章主要介绍在学习神经网络的过程中会经常遇到的一些概念和定义。比如后向传播（Back Propagation）、激活函数（Activation Function）、监督学习（Supervised Learning）、无监督学习（Unsupervised Learning），等等，这也是为之后学习深度神经网络做准备。在搭建一个完整的深度神经网络模型时，就需要不断地用到本章的内容了。
第4章主要介绍深度神经网络中的卷积神经网络（Convolutional Neural Network，简称CNN）。首先介绍卷积层、全连接层、池化层等相关内容，之后又列举了目前主流的一些卷积神经网络架构，并对比它们之间的相同点和不同点，以便于掌握不同的卷积神经网络的结构和技术细节。
第5章主要介绍Python编程语言的相关知识，目的是让读者掌握Python语言的语法定义和使用方式，并使用Python语言进行功能代码的编写；还会介绍在处理计算机视觉问题时需要用到的两个重要的Python包：NumPy和Matplotlib。本章内容丰富，而且Python语言自身就很简单且易上手，读者很快就能掌握Python这门编程语言。
第6章主要介绍如何使用PyTorch深度学习框架。PyTorch非常简单易用，能够根据我们的需求快速搭建出我们想要的深度神经网络模型，这在很大程度上归功于PyTorch基于动态图计算的特性，它与基于静态图计算的深度学习框架相比，有更多的优势，比如PyTorch不仅速度快，还有许多功能强大的包可供调用。本章先介绍PyTorch中常用的包和类的使用方法；然后介绍如何使用PyTorch中的一些自动化方法来提升代码的执行效率和简洁度；最后会通过一个综合实例，使用本章的内容解决一个实际的计算机视觉问题。
第7章一开始就是一个关于计算机视觉问题的实战，介绍了一种非常实用的深度神经网络复用方法，即迁移学习（Transfer Learning）。在掌握迁移学习的原理之后，会基于PyTorch对迁移学习进行实战，并解决比之前更复杂的计算机视觉问题。对实战代码的解析会贯穿本章，让读者更深刻地理解代码。
第8章讲解如何基于PyTorch实战图像风格迁移（Neural Style）。通过对本章的学习，读者会发现，利用卷积神经网络不仅能处理图片分类问题，只要有想法和创意，还能做更多、更有趣的事情。
第9章介绍一种多模型融合方法，在现有的模型遭遇性能提升瓶颈时，可通过搭建一种经过科学融合的新模型达到超过预期的泛化能力。本章依然会基于PyTorch对多模型融合方法进行实战。
第10章介绍一种区别于卷积神经网络的新神经网络结构，即循环神经网络（Recurrent Neural Network，简称RNN）。不同于卷积神经网络强大的图像特征提取能力，循环神经网络主要用于处理有序输入的数据。为了方便读者理解模型如何对有序数据进行处理，本章会基于PyTorch使用循环神经网络来处理一个计算机视觉问题。
第11章讲解自动编码器，它是一种使用非监督学习方法的神经网络。自编码器能够实现很多功能，本章会选取一个图像去噪问题来进行自动编码器实战。
本书前6章的内容可作为后5章的铺垫，前6章的知识偏向基础和理论，不过，只有掌握了这些内容，才能从容应对后5章的实战。这个循序渐进的过程会让读者对知识的理解更深刻，技能提升更迅速。
人工智能在近几年大热，网络上的相关资料良莠不齐且没有体系，即使有优秀的干货，对于基础薄弱的初学者来说起点也太高。本书也是出于对这一现状的考虑，通过从基础到实战、由浅入深的过程，让读者基于PyTorch来使用深度学习方法实际解决一些计算机视觉相关的问题，这样，读者在获取知识的过程中会更有成就感，学起来也会更积极、主动。
感谢家人的鼓励和支持，也感谢张国霞编辑的帮助和付出，笔者才能以更好的方式将这部作品呈现在读者的面前。希望读者能遵从敏捷学习的思路，多实战、多思考并不断进步。在本书中会有很多实例，读者可以举一反三、不断实践，在发现问题时要多思考，毕竟本书涉及的内容有限，若想让自己的能力得到更高层次的提升，则需要获取更多的资料来充实自己。

唐进民
2018年5月




轻松注册成为博文视点社区用户（www.broadview.com.cn），扫码直达本书页面。
◎ 提交勘误：您对书中内容的修改意见可在 提交勘误 处提交，若被采纳，将获赠博文视点社区积分（在您购买电子书时，积分可用来抵扣相应金额）。
◎ 交流互动：在页面下方 读者评论 处留下您的疑问或观点，与我们和其他读者一同学习交流。
页面入口：http://www.broadview.com.cn/34144