《PyTorch实用教程》（第二版）开源了！

前 言

大家好，一位致力于开源教程编写与学习的工程师。五年时光荏苒，两年心血浇灌，超过20万字的《PyTorch实用教程》第二版终于破茧而出，携带第一版7.2K颗星的璀璨光芒，与Datawhale携手，向每一位开发者致敬。

作为一本开源书籍教程，我自然而然地想到通过Datawhale来发布它，与大家见面。众所周知，Datawhale自2018年成立以来，一直专注于人工智能领域的开源社区建设，如今已跻身全球前100名的开源组织。

巧的是，我也正是在2018年毕业工作，这六年来，我深刻感受到了工业界对AI人才的迫切需求以及AI人才培养之间的不平衡。因此，我一直关注着AI技术的学习，并见证Datawhale提供了优质的学习教程资源和浓厚的学习氛围，让大家能从开源社区中获取技术成长，这令我感到无比激动，也恰好是我所期望的。

上个月，我有幸参加了 Datawhale在AI+X活动深圳站 的活动，亲身感受到了Datawhale开源组织的技术氛围。这种开源精神和技术分享理念与我不谋而合。因此，我非常高兴地向大家介绍这本开源书籍《PyTorch实用教程》（第二版）。在第一版的基础上，增加了十多个深度学习实战项目，涵盖了计算机视觉（CV）、自然语言处理（NLP）和大型语言模型（LLM）三个方向，同时还包含了ONNX和TensorRT推理部署框架的使用。我希望通过这本书，将我在人工智能技术领域的理解、应用和实践经验传递给更多学习者，帮助大家快速上手AI的开发。

本书亮点

• 结构清晰：全书分为三部分：上篇（入门）、中篇（应用）、下篇（落地），逐步引导读者深入学习。

• 理论与实践结合：不仅提供理论讲解，还通过丰富的项目案例，让读者能够将理论应用于实践。

• 实战案例丰富：提供了计算机视觉、自然语言处理和大语言模型等多个领域的实战案例。

• 系统性覆盖：涵盖Pytorch基础、计算机视觉基础任务、自然语言处理基础任务、大语言模型基础、推理部署框架。

• 适用性广：适合AI自学者、AI产品经理、在校学生以及跨领域人士阅读，满足不同背景和需求的读者。

为什么写这本书

这不仅仅是一本书的撰写，更是我对PyTorch、对AI、对开源的热爱。我从开源中汲取知识的力量，也希望将这份知识回馈给更多的学习者，帮助更多技术人员接触前沿技术，为开源学习社区做贡献。本着一颗感恩的心，从开源中收获，再向开源贡献，本书应运而生。

除此之外，本书还是顺应人工智能技术快速发展的迫切需求，为AI开发者提供从深度学习框架基础，到深度学习项目实战，再到工程化部署的全方位知识体系，希望通过完整的知识体系，为大家在AI+的道路上提供一点点帮助。

精彩内容概览

CV八大项目，包括图像分类、图像分割、目标检测、目标跟踪、GAN生成、Diffusion生成、图像描述和图像检索八大任务。

NLP方面，包括RNN、LSTM、Transformer、BERT和GPT模型详解与应用，应用的任务有文本分类、机器翻译、命名体识别、QA问答和文章生成五大任务。

LLM部分，包括4个LLM部署与代码分析和一个LLM行业应用——GPT Academic（GPT 学术优化），LLM包括国内开源的四大主流模型，Qwen、ChatGLM、Baichuan和Yi。

所有项目，从数据到代码，均已开源。知识的力量在于分享，技术的边界在于共同探索。

就在此刻，请与《PyTorch实用教程》第二版共同在人工智能的浪潮、在开源的星辰大海中努力奋进，到达智慧的彼岸。本书及作者将与所有AI开发者、学习者一起成长，让学习不再孤独。

如何获取本书

PDF电子版获取方式：