資料內(nèi)容：

引言
深度學(xué)習(xí)是機?學(xué)習(xí)的一個子集，它專注于使用神經(jīng)網(wǎng)絡(luò)來解決復(fù)雜的數(shù)據(jù)問題。由于軟
件和硬件的進步，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)百萬甚至數(shù)十億
條記錄），這使得深度學(xué)習(xí)變得越來越受歡迎。這一點非常重要，因為深度神經(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)用包括自動駕駛汽車、流行的聊天機?人以及各種各樣的語音激
活助手，這些將在本章中進一步解釋。
PyTorch于2017年推出，其主要特點是使用圖形處理單元（GPU）通過“張量”處理數(shù)據(jù)
。這使得算法能夠高速運行，同時為用戶提供靈活性和標準語法，以獲得許多數(shù)據(jù)問題的
最佳結(jié)果。此外，PyTorch使用動態(tài)計算圖，允許您實時對網(wǎng)絡(luò)進行更改。本書通過使用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?學(xué)習(xí)的一個子集，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)，對其進行
處理，并將輸出發(fā)送到下一層。這些神經(jīng)網(wǎng)絡(luò)可以由成千上萬個相互連接的節(jié)點（神經(jīng)
元）組成，這些節(jié)點主要組織在不同的層次中，一個節(jié)點與前一層的幾個節(jié)點相連，從
這些節(jié)點接收輸入數(shù)據(jù)，同時也與后一層的幾個節(jié)點相連，將處理后的數(shù)據(jù)發(fā)送到這些
節(jié)點。
深度學(xué)習(xí)之所以受歡迎，是因為其準確性高。它在處理復(fù)雜數(shù)據(jù)問題，如自然語言處理（N
LP）時，達到了其他算法前所未有的高準確度水平。深度學(xué)習(xí)表現(xiàn)出色的能力已經(jīng)達到了機
?能夠超越人類的水平，例如在欺詐檢測的案例中。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)意味著在一些準確性對安全至關(guān)重要的革命性領(lǐng)域取得了進步，例如
自動駕駛汽車。