作者简介 张伟振 主要从事系统架构设计、深度学习在计算机视觉任务中的应用方面的研究，在计算机图形学、大型软件架构设计、后台开发、桌面应用、游戏、Web应用等领域亦有较丰富经验。 内容简介 本书按照从理论到实践，从实践到创造的顺序讲解深度学习领域的知识与技术，代码翔实，公式简单易懂。 本书第1章介绍深度学习的概念和目前的形势，第2章介绍Python编程语言基础，第3章使用Python语言计算极限、导数、级数等数学问题，第4章讲解深度学习的基本原理与PyTorch框架的基本使用，第5章和第6章详细讲述经典网络结构CNN和RCNN，第7～9章介绍自研深度学习框架，并详细讨论之前忽略的深度学习底层实现上的算法和细节，第10章介绍目前机器学习的前沿——无监督学习，第11章主要讲解深度学习模型以Web应用形式部署的技术。 本书适合有高等数学基础、希望了解深度学习领域知识和技术的初学者阅读，也可作为相关培训机构的参考用书。 前言　PREFACE 深度学习及神经网络算法涵盖较广的计算机和数学领域，如果使用PyTorch、TensorFlow等深度框架，并记住它们的使用规则，可能能够应付大部分的情况并绕过许多细节，但知其然而不知其所以然，显然只是学习深度学习的第一步，通用的深度学习框架并不总是能满足所有的需求，如果要从使用到扩展乃至创造，就需要掌握远比简单使用更多的知识和细节。 得益于PyTorch、TensorFlow等深度学习框架都是开源的，有些时候通过发掘它们的源码来进阶相对简单，例如我想知道PyTorch是如何实现Adam的，可以将光标移到torch.optim.Adam类名上，使用快捷键Ctrl+B或Ctrl+鼠标跳转到声明，便可以发现它调用了torch.optim.functional.adam函数，同样进入torch.optim.functional.adam，在这里…