学习人工智能最好的入门书籍

有AI实际工作经验的同学都知道，Scikit-Learn, Keras, 和TensorFlow等框架在真实项目中已经很少使用，在科研、学术等前沿领域，工程师都在使用PyTorch，使用PyTorch可以更快的构建模型，相对而言也更容易上手。

有一本专讲Pytorch的人工智能书籍《Deep Learning with PyTorch: Build, train, and tune neural networks using Python tools》，这本书介绍如何使用PyTorch来训练神经网络模型，对于基础比较好的同学（对python有一定的了解），可以直接使用本书作为入门人工智能。

本书由Eli Stevens，Luca Antiga, Thomas Viehmann共同合作完成，他们都拥有丰富的Pytorch项目开发经验，并且是Pytorch社区的重要贡献者。在本书中Thomas Viehmann主要负责Pytorch的内部原理讲解，Eli Stevens和Luca Antiga主要负责Pytorch的最佳工程实践介绍。

PyTorch框架是由Meta（原Facebook）开源的一个深度学习框架，在2017年发布，目前已经是全球学术界的首选AI工具。

相比其它框架的静态图，PyTorch构建实时的动态图更加灵活，模型结构在每次迭代中都会动态改变，非常适合用来处理非固定长度的任务。本书着重讲了PyTorch的基础张量，以及张量的建立、索引、转换等，以及如何自动计算梯度、如何追踪动态图等。书中包含大量的实例，例如使用Pytorch如何创建一个肿瘤图像的分类器，这些实例都是可以直接用到实际项目中。

本书中的代码和数据实例可以在github上可以直接访问：github.com/deep-learning-with-pytorch/dlwpt-code

书籍下载地址：Deep Learning with PyTorch: Build, train, and tune neural networks using Python tools