自 2017 年 1 月 PyTorch 推出以來，其熱度持續(xù)上升，一度有趕超 TensorFlow 的趨勢。PyTorch 能在短時間內(nèi)被眾多研究人員和工程師接受并推崇是因為其有著諸多優(yōu)點，如采用 Python 語言、動態(tài)圖機制、網(wǎng)絡(luò)構(gòu)建靈活以及擁有強大的社群等。因此，走上學習 PyTorch 的道路已刻不容緩。

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

《PyTorch模型訓練實用教程》分為四章，結(jié)構(gòu)與機器學習三大部分一致。 第一章，介紹數(shù)據(jù)的劃分，預(yù)處理，數(shù)據(jù)增強； 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)控數(shù)據(jù)、模型權(quán)及損失函數(shù)的變化。