前言

深度学习课程选择什么样的教材？这是近年来困扰任课教师的一个难题。作为高校数据科学与大数据专业的一线教师，我希望得到这样一本教材：

● 既有理论知识，又有丰富的实例，能让学生动手实践。

教材能够用简单易懂的语言告诉学生什么是深度学习，让学生理解深度学习中的神经元、神经网络、激励函数、损失函数等基本概念，了解深度学习与人工智能、机器学习的关系。

● 介绍一种深度学习框架。

学生在这种框架下能够动手实现如卷积神经网络、循环神经网络、生成式对抗网络等常见的网络模型。

● 不涉及太多、太难的数学知识。

教材能够把深度学习的相关原理讲清楚，但不要变成一本“数学书”，可适应应用型本科学校的教学内容。

● 能满足实验课需求。

在教材中能够找到合适的、能布置给学生的实验内容。此外，在学校机房只有Windows系统、没有GPU的环境下，只需进行简单的软件安装，就能完成深度学习的实验。

● 具有完整的教学资源，包括电子课件、习题、实验、源代码、习题解答。

教师可以根据电子课件准备上课内容，可以从习题、实验中方便地获得课后作业、期末考试的素材，不用一切从零开始。

以上要求本书全都满足。本书共8章，内容包括深度学习基础、深度学习框架PyTorch的安装、PyTorch基础、线性回归和逻辑回归、全连接神经网络、卷积神经网络、循环神经网络及生成式对抗网络。本书建议的教学课时分配如下。

教学课时分配建议

通过本书，读者可对深度学习有一个清晰的认识，能够在PyTorch框架下实现常见的网络模型。本书全部代码分别在有GPU的服务器上和没有GPU的普通计算机上调试通过，其运行环境为Windows 10操作系统，软件版本为Python 3.5.3、PyTorch 0.4。本书提供电子课件、源代码，读者可登录“华信教育资源网”（www.hxedu.com.cn）免费下载。

本书能够快速成稿，离不开我的两名学生曲荣峰和肖玉林的协助，他们帮助我完成了书中图、公式、程序的校验工作，在此表示感谢！特别感谢电子工业出版社的杨寰编辑、刘瑀编辑对本书的出版提供的大力支持。

由于时间仓促和水平有限，书中难免有不妥之处，欢迎广大读者提出宝贵意见。作者联系邮箱：wuwei529＠163.com。

编者