自 2017 年 1 月 PyTorch 推出以來(lái)，其熱度持續(xù)上升，一度有趕超 TensorFlow 的趨勢(shì)。PyTorch 能在短時(shí)間內(nèi)被眾多研究人員和工程師接受并推崇是因?yàn)槠溆兄T多優(yōu)點(diǎn)，如采用 Python 語(yǔ)言、動(dòng)態(tài)圖機(jī)制、網(wǎng)絡(luò)構(gòu)建靈活以及擁有強(qiáng)大的社群等。因此，走上學(xué)習(xí) PyTorch 的道路已刻不容緩。

《PyTorch模型訓(xùn)練實(shí)用教程》內(nèi)容主要為在 PyTorch 中訓(xùn)練一個(gè)模型所可能涉及到的方法及函數(shù)，并且對(duì) PyTorch 提供的數(shù)據(jù)增強(qiáng)方法（22 個(gè)）、權(quán)值初始化方法（10 個(gè)）、損失函數(shù)（17 個(gè)）、優(yōu)化器（6 個(gè)）及 tensorboardX 的方法（13 個(gè)） 進(jìn)行了詳細(xì)介紹。

《PyTorch模型訓(xùn)練實(shí)用教程》分為四章，結(jié)構(gòu)與機(jī)器學(xué)習(xí)三大部分一致。 第一章，介紹數(shù)據(jù)的劃分，預(yù)處理，數(shù)據(jù)增強(qiáng)； 第二章，介紹模型的定義，權(quán)值初始化，模型 Finetune； 第三章，介紹各種損失函數(shù)及優(yōu)化器；第四章，介紹可視化工具，用于監(jiān)控?cái)?shù)據(jù)、模型權(quán)及損失函數(shù)的變化。