《PyTorch深度学习实战》是一本由人民邮电出版社著作，119.00元出版的417图书，本书定价：平装，页数：2022-2，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。
试读完本书，先说下本书的整体规划。书中分为两个部分。第一部分，介绍一些深度学习的知识和pytorch的一些基础知识和使用。第二部分从一个真实的例子入手，是一个医学案例检测肺癌的例子，带领你从头到尾构建模型，同时进行相应的部署。在每一章中，在开头都会进行阐述学习目标。这样，我们在学习上会有所关注。在每章的结尾，也会重新回顾一些重要的点和提供一些习题。这种方式，非常有助于我们的学习。 书中的代码和数据集我们都可以获得到，同时也提供了jupyter行式的代码。本书的代码是基于3.6.8的。有一个事实是要提出来的，就是对硬件的要求。在第一部分中，不需要太高的配置，但第二部分就需要机器的配置了。如果你想购买学习，并运行相应的实例，那么你需要解决对硬件的要求。 总的来说，如果你想学习深度学习和pytorch的使用，那么这本书是值得看下的。
站在大佬的肩膀上，才能进步的更快！从作者到翻译，都是机器学习方面的佬中佬，除了丰富的理论知识，也是应用领域的实践者和核心成员。
铁打的理论，流水的技术。在新的深度学习理论出现之前，卷积深度神经网络永远都是最核心的知识，永不过时！
关于本书的学习门槛：一定要具备Python或其他任意一门编程语言的经验，并对Python有了解。
推荐想要了解深度学习和人工智能领域的人学习和阅读，毕竟其中很多的知识已经应用于我们生活中的方方面面，比如：翻译，OCR图像识别，图像处理等等领域，而且还有很大的发展空间。
PS：个人最喜欢本书的字体：漂亮，清晰，阅读起来毫不费力。
《PyTorch深度学习实战》读后感(三)：Pytorch阅读初体验
你们是怎样定义学习的？ 通过听说读写研究实践去获取技能的过程？亦或者是其他。我所认为就是遵守某种规则，不断完善自己，是自己可以get到更多的credits,或者说，我们就是更加“高级”的计算机，对于现实生活中的一些问题，我们可以自主的抓取问题的本质，提取出通用的“特征”来获得解决问题的办法。
Pytorch深度学习实战是一本很好的入门书籍，当我看到它的时候，它首先介绍了最为核心的思想，让你明白这本书讲的是什么，你应该会什么，如何去做的等。通过阅读序言前言，我仿佛看到了译者那段时间的身影，他通过自己翻译的经历展现了这本书的大概框架，也了解的pytorch的一点点历史。宛如译者指导大家怎样去了解并掌握这个库。
本书分为三个部分，第一部分介绍各种基础知识，第二部分实战项目，第三部分告诉我们自己可以怎样做，步步深入，由简至深。第一部分通过大量的场景以及代码帮助理解，不会让你有阅读纯技术手册的枯燥。由于时间关系，我也只读了前两章，但并不影响我对他的喜爱。
《PyTorch深度学习实战》读后感(四)：《PyTorch深度学习实战》是一本适合深度学习初学者入门的书
PyTorch是Facebook在2017年开源的一个针对深度学习的张量库。凭借容易上手、功能强大、性能高和用途广泛等优点，成为了当前主流的深度学习框架之一，无论是在学术界还是在工业界都受到了深度学习爱好者和从行者的青睐。如果想学习PyTorch，异步君推荐你从这本经常受到国外程序员安利的入门书开始。
PyTorch的共同创造者Soumith Chintala还将这本书描述为 "PyTorch的权威论文"。这不是一本简单的深度学习入门书籍，而是基于PyTorch的深度学习入门书籍，这能让我们的学习更有目的性。我们都知道，通过将模型应用到例证，深度学习能允许我们执行很多复杂任务。例如，机器翻译、玩战略游戏以及在杂乱无章的场景中识别物体等。为了在实践中做到这一点， 我们需要灵活且高效的工具，以便能够适用于这些复杂任务，能够在合理的时间内对大量数据进行训练。我们需要已被训练过的模型在输入变量变化的情况下正确执行。
而PyTorch能完美地契合我们的需求。这里具体说说为什么我们要使用PyTorch：许多研究人员和实践者发现它易于学习、使用、扩展和调试。它是Python化的，对于以前使用过Python的开发人员来说，使用该库和使用其他Python库一样。首先，它使用GPU加速计算，通常比在CPU上执行相同的计算速度快50倍。其次，PyTorch提供了支持通用数学表达式数值优化的工具，该工具用于训练深度学习模型。它允许开发人员实现复杂的模型，PyTorch可以说是最无缝地将深度学习领域的思想转化为Python代码的软件之一。
总而言之，虽然很多深度学习工具都使用Python，但PyTorch 库是真正具备Python风格的。对于任何了解NumPy 和scikit-learn 等工具的人来说，上手PyTorch 轻而易举。PyTorch 在不牺牲高级特性的情况下简化了深度学习，它非常适合构建快速模型，并且可以平稳地从个人应用扩展到企业级应用。并且，像苹果、Facebook和摩根大通这样的公司都使用PyTorch，所以当你掌握了PyTorth，就会拥有更多的职业选择。而本书是教你使用 PyTorch 创建神经网络和深度学习系统的实用指南。
阅读本书，读者不仅能够全面掌握PyTorch相关的API的使用方法以及系统掌握深度学习的理论和方法，而且能够轻松学会使用PyTorch实现各种神经网络模型来解决具体的深度学习问题。例如，在书中，我们将首先学习PyTorch的核心知识，然后体验一个真实的案例研究项目：构建能够使用CT扫描检测恶性肺肿瘤的算法。
我们将学习用有限的输入训练网络，并处理数据，以获得一些结果。我们将筛选出不可靠的初始结果，并专注于诊断和修复神经网络中的问题。最后，我们将研究通过增强数据训练、改进模型体系结构和执行其他微调来改进结果的方法。通过这个真实的案例，我们会发现PyTorch是多么有效和有趣，并掌握在生产中部署PyTorch模型的技能。并且，这本书不是直接给出解决问题的完整代码，而是在场景描述、问题分析、技术选型等方面给予更多的篇幅。
《PyTorch深度学习实战》由Eli Stevens、Luca Antiga和Thomas Viehmann合著而成，这三位工程师曾为PyTorch项目做出过贡献，并拥有开发深度学习解决方案的丰富经验。
●Eli Stevens
Eli Stevens职业生涯的大部分时间都在美国硅谷的初创公司工作，从软件工程师(网络设备制造业)到首席技术官(开发肿瘤放疗软件)。在英文原版书籍出版时，他正在汽车自动驾驶行业从事机器学习相关工作。
●Luca Antiga
21世纪初，Luca Antiga担任生物医学工程研究员。2010年到2020年间，他是一家人工智能工程公司的联合创始人和首席技术官。
他参与了多个开源项目，包括PyTorch的核心模块。最近，他作为联合创始人创建了一家总部位于美国的初创公司，专注于数据定义软件的基础设施。
●Thomas Viehmann
Thomas Viehmann是一名德国慕尼黑的机器学习和PyTorch的专业培训师和顾问，也是PyTorch核心开发人员。拥有数学博士学位的他不畏惧理论，擅长将理论应用于实际的计算挑战。
