基于PyTorch的深度学习

·学习如何在生产环境部署深度学习模型。

·研究多家领先公司的PyTorch用例。

·学习如何对图像应用迁移学习。

·使用Wikipedia上训练的一个模型应用前沿的NLP技术。

·使用PyTorch的torchaudio库用一个基于卷积的模型完成音频分类。

·使用TensorBoard和火焰图调试PyTorch模型。

·用Docker容器和Google Cloud上运行的Kubernetes集群在生产环境中部署PyTorch应用。

Ian Pointer是一位数据工程师，致力于为多个财富100强客户提供机器学习解决方案（包括深度学习技术）。他目前任职于Lucidworks，从事前沿NLP应用和工程的研究。

我们需要进一步了解深度学习，这种机器学习方法每时每刻都在改变我们周围的世界。通过这本实用的指南，你会快速了解使用Facebook开源Pytorch框架的核心理念，并掌握创建你自己的神经网络所需的最Z新技术。

本书介绍了如何在一个基于云的环境中部署PyTorch，然后讲解了如何创建便于图像、声音和文本操作的神经网络架构，并且深入地研究了架构的各个元素。还介绍了对图像应用迁移学习、调试模型，以及在生产环境中使用PyTorch的一些重要概念。