本书将带读者进入一个有趣的案例研究：构建能够使用CT扫描检测恶性肺肿瘤的算法。书中的作者将指导我们完成该示例，你将发现PyTorch是多么地有趣。
本书是在 PyTorch 官网上的深度学习开源书 ，总共有五个章节，包括了深度学习与PyTorch库、 如何用张量表示真实世界的数据、 学习机制、 用神经网络拟合数据等方面的内容，核心是指导读者使用Python和PyTorch实现深度学习算法 。
《使用PyTorch进行深度学习》的封面
下载地址：
https://pytorch.org/assets/deep-learning/Deep-Learning-with-PyTorch.pdf
内含图解与代码，操作易上手
《使用PyTorch进行深度学习》这本书可以教你如何使用PyTorch创建神经网络和深度学习系统。该书最大的特点就是内含图解与代码，操作易上手。
部分知识图解如下
深度学习的图解
GAN游戏概念的图解
这本实用的书可以帮助读者从头开始构建一个真实的示例：肿瘤图像分类器。
在此过程中，它涵盖了整个深度学习管道的最佳实践，包括PyTorch Tensor API，以Python加载数据，监视培训并可视化结果。
本书的核心是设计用于癌症检测的神经网络。读者会发现训练输入有限的网络方法，并开始处理数据以获得一些结果。同时筛选出不可靠的初始结果，并将重点放在如何诊断和修复神经网络中的问题上。最后研究通过增强数据训练，改进模型体系结构以及其他微调来改善结果的方法。
已有小伙伴迫不及待要开始学习这本书了...
两位主要作者，一位是硅谷软件工程师，另一位是PyTorch核心贡献者
本书的第一作者Eli Stevens曾在一家医疗系统公司Mobius Medical Systems, LP担任首席技术官。目前正致力于自动驾驶汽车行业的机器学习，是Zoox的高级软件工程师。
Luca Antiga在过去十年中担任OROBIX公司的联合创始人兼CTO。他曾为多个开源项目做出了贡献，包括PyTorch核心。
他最近与合作伙伴共同创立了一家初创公司Tensorwerk，该公司专注于数据定义软件的基础架构。
Thomas Viehmann是德国慕尼黑的机器学习和PyTorch专业培训师和顾问，也是PyTorch的核心开发人员。
