内容简介 本书根据大多数软件公司对AI大模型开发程序员的标准要求，结合范例程序，针对零基础人群，讲述了从“入门”到“能干活”所必需掌握的知识点。 本书内容涵盖了深度学习各种模型的知识点，包括Python和Pytorch的开发环境、神经网络预测技术、用卷积和残差神经网络分类图片的技术、数据预处理和数据增强、用生成对抗网络识别图片的技术、用循环神经网络和Transformer网络分析文本的技术、用ViT模型分类图片的技术、人脸识别和目标物体识别的技术、音频处理技术，以及DeepSeek本地化部署和微调技术等。 本书尤其适合零技术的开发人员和在校学生提升相关实战技能，也可作为大中专院校计算机专业实践课或毕业设计的参考用书。 前言 当下深度学习和大模型是一个技术热点，如果读者想学习这方面的技能，那么本书是一个不错的选择。 从知识体系上来看，本书的内容涵盖了深度学习各种模型的知识点，包括但不限于搭建Python和Pytorch的开发环境、用多层感知机预测数据的技术、用卷积和残差神经网络分类图片的技术、用生成对抗网络识别图片的技术、用循环神经网络和Transformer网络分析文本的技术、用ViT模型分类图片的技术、人脸识别和目标物体识别的技术，以及强化学习和音频分析等技术。 此外，本书还用专门的一章讲述了DeepSeek模型在本地部署和微调的技能点。 本书的作者具有多年Python、AI和大模型的开发经验，谙熟AI模型方面高级开发所需要掌握的知识体系，也非常清楚从零基础升级到高级开发人员可能会走的弯路，所以在本书的内容安排上，第一，只讲初学者有必要学习的知识点，而不会导致过度学习；第二，并没有像其他同类书那样给出复杂的数学公式，而是用通俗的文字讲述各种技能；第三，结合具体范例程序讲述各知识点，从而能确保读者学得会并用得上。 本书的全部范例在CPU环境下也均可运行。本书还附带一些…