資料內(nèi)容：

引言
深度學(xué)習(xí)是機(jī)?學(xué)習(xí)的一個(gè)子集，它專注于使用神經(jīng)網(wǎng)絡(luò)來(lái)解決復(fù)雜的數(shù)據(jù)問(wèn)題。由于軟
件和硬件的進(jìn)步，我們現(xiàn)在能夠收集和處理大量的數(shù)據(jù)（我們談?wù)摰氖菙?shù)百萬(wàn)甚至數(shù)十億
條記錄），這使得深度學(xué)習(xí)變得越來(lái)越受歡迎。這一點(diǎn)非常重要，因?yàn)樯疃壬窠?jīng)網(wǎng)絡(luò)需要
大量的數(shù)據(jù)才能表現(xiàn)良好。
深度學(xué)習(xí)的一些最著名應(yīng)用包括自動(dòng)駕駛汽車(chē)、流行的聊天機(jī)?人以及各種各樣的語(yǔ)音激
活助手，這些將在本章中進(jìn)一步解釋。
PyTorch于2017年推出，其主要特點(diǎn)是使用圖形處理單元（GPU）通過(guò)“張量”處理數(shù)據(jù)
。這使得算法能夠高速運(yùn)行，同時(shí)為用戶提供靈活性和標(biāo)準(zhǔn)語(yǔ)法，以獲得許多數(shù)據(jù)問(wèn)題的
最佳結(jié)果。此外，PyTorch使用動(dòng)態(tài)計(jì)算圖，允許您實(shí)時(shí)對(duì)網(wǎng)絡(luò)進(jìn)行更改。本書(shū)通過(guò)使用P
yTorch揭示神經(jīng)網(wǎng)絡(luò)的神秘面紗，并幫助您理解神經(jīng)網(wǎng)絡(luò)架構(gòu)的復(fù)雜性。
 

為什么選擇深度學(xué)習(xí)？
在本節(jié)中，我們將討論深度學(xué)習(xí)的重要性以及其受歡迎的原因。
深度學(xué)習(xí)是機(jī)?學(xué)習(xí)的一個(gè)子集，它使用多層神經(jīng)網(wǎng)絡(luò)（大型神經(jīng)網(wǎng)絡(luò)），這些網(wǎng)絡(luò)受
到人類(lèi)大腦生物結(jié)構(gòu)的啟發(fā)，在網(wǎng)絡(luò)中，一層中的神經(jīng)元接收一些輸入數(shù)據(jù)，對(duì)其進(jìn)行
處理，并將輸出發(fā)送到下一層。這些神經(jīng)網(wǎng)絡(luò)可以由成千上萬(wàn)個(gè)相互連接的節(jié)點(diǎn)（神經(jīng)
元）組成，這些節(jié)點(diǎn)主要組織在不同的層次中，一個(gè)節(jié)點(diǎn)與前一層的幾個(gè)節(jié)點(diǎn)相連，從
這些節(jié)點(diǎn)接收輸入數(shù)據(jù)，同時(shí)也與后一層的幾個(gè)節(jié)點(diǎn)相連，將處理后的數(shù)據(jù)發(fā)送到這些
節(jié)點(diǎn)。
深度學(xué)習(xí)之所以受歡迎，是因?yàn)槠錅?zhǔn)確性高。它在處理復(fù)雜數(shù)據(jù)問(wèn)題，如自然語(yǔ)言處理（N
LP）時(shí)，達(dá)到了其他算法前所未有的高準(zhǔn)確度水平。深度學(xué)習(xí)表現(xiàn)出色的能力已經(jīng)達(dá)到了機(jī)
?能夠超越人類(lèi)的水平，例如在欺詐檢測(cè)的案例中。深度學(xué)習(xí)模型不僅能優(yōu)化流程，還能提
高它們的質(zhì)量。這已經(jīng)意味著在一些準(zhǔn)確性對(duì)安全至關(guān)重要的革命性領(lǐng)域取得了進(jìn)步，例如
自動(dòng)駕駛汽車(chē)。