深度学习初学者的PyTorch指南：从梯度下降到转化器

本书是一本适合初学者学习深度学习和PyTorch的指南。其中，作者从梯度下降的基础知识开始讲解，在PyTorch中训练线性和逻辑回归等内容。随后，作者详细阐述了计算机视觉、序列和自然语言处理等方面的知识，涵盖了更深入的模型和激活函数，卷积、转移学习、初始化方案、RNN、GRU、LSTM、seq2seq模型、注意、自我注意、标记化、嵌入、上下文词嵌入等，最终介绍了微调BERT和GPT-2模型，并提供了开放源代码的HuggingFace。与典型的教程不同，本书立足于PyTorch的工作原理，着重于结构化、从第一原理出发的渐进学习方法，并时刻考虑读者的理解和交流。