在 21 世纪的第二个十年里，科技界最大的进展恐怕非人工智能莫属了。无论是战胜人类围棋高手的 AlphaGo，还是遍布全国车站的人脸识别系统，配备了深度学习技术的最新人工智能展现了它无限大的势能，并已经进入到我们的日常生活中。

人工智能（Artificial Intelligence，简称 AI），顾名思义，就是通过计算的方式模拟、延伸和扩展人的智能。它作为计算机科学的一个分支，早在 1956 年就诞生了。然而，长久以来，人工智能的发展却不能与它的名字相匹配。尽管早期的人工智能在数学定理证明、推理、棋类游戏上取得了长足的进步，但是在拟人化的形象思维方面却与人类相差甚远。例如，一个两三岁的小孩能清楚地认出爸爸和妈妈，但是人工智能却不能。

不过近年来，人工智能的发展正在试图摆脱人们对它的刻板印象。采用深度神经网络技术的人工智能同样可以非常好地进行 “形象化” 思维。例如，现在人工智能的人脸识别准确度已经达到了 99.7%，超过了人类的识别准确度 97.3%。2017 年 1 月，百度大脑的人工智能程序参加了《最强大脑》节目，在人脸识别和声纹识别上挑战了人类顶尖高手，并最终完胜了人类的“最强大脑”。如今，人工智能已经可以在自己的弱项上战胜人类了。

在 2016 年 3 月和 2017 年 5 月，AlphaGo 分别与世界围棋冠军李世石和柯洁进行了举世瞩目的比赛。可以看到，配备了深度强化学习技术的人工智能可以像人类围棋高手那样具有出色的大局观，甚至具有一定的创造力。这种表现是单纯依靠逻辑推理和搜索的人工智能远远无法达到的。更有甚者，DeepMind 团队在 2017 年 10 月发表在《自然》上的文章提出了一个新版本的 AlphaGo——AlphaGo Zero，它完全凭借自己的“左右互搏”，而无须任何人类经验，就可以达到世界围棋的顶尖水平，远远超越人类。

然而，这些有关人工智能的新闻会给我们造成一种错觉：人工智能是一种高科技，只有谷歌、微软等大公司才有可能应用，与我们普通人或者小公司毫无关系。事实并非如此，随着各大公司开源了他们的深度学习框架和平台，我们每一个普通企业或者个人都可以快速地应用人工智能技术。你只要有一台笔记本电脑，就可以轻松玩转深度学习，实现诸如人脸识别、图像生成、机器翻译、聊天机器人等强大的人工智能功能。

其实，人工智能早已渗透到了我们的身边。例如，当我们使用导航系统播报路况的时候，林志玲或者郭德纲的声音就会从手机或汽车音响里播放出来。难道林志玲或郭德纲会把成千上万种可能的路况信息都念一遍吗？答案显然是否定的，这是运用了人工智能中的语音合成技术。

有一款 App 叫作 Prisma。你只要上传自己的照片，再选择一张风格图片（例如莫奈的画作），点击一个按钮，Prisma 就可以生成一张莫奈风格的你了。这款应用所使用的是人工智能中的风格迁移技术。

还有一款 App 叫作 FaceApp，它可以使你的脸发生各种有趣的变化。比如给你的脸上妆，看一看你以后苍老的样子，甚至可以为郁郁寡欢的脸添加一抹笑容。这款应用的背后也有人工智能技术的支撑。它采用图像生成技术，通过不断提取大量照片中人像的特征，再造出全新的图片。

正如 20 年前互联网在中国的迅速普及，几个程序员编写几行代码就有可能创业成功，摇身一变成为亿万富翁。新一波人工智能浪潮带来的冲击只会比当年的互联网革命更加巨大，更加彻底。据有关部门统计，现在每隔 11 小时就会有一家人工智能创业公司诞生。

人工智能令人心潮澎湃，那么一般的程序员又该如何入门 “高大上” 的人工智能技术呢？

工欲善其事，必先利其器。选择一个好的人工智能框架平台是我们跨入这个行业的前提，可以说工具选对了，我们的一只脚就已经跨入了人工智能的大门。本书给大家推荐的 “器” 自然就是 PyTorch 了，推荐这个深度学习框架平台有如下几点原因。

• 简单、易用、上手快：这一点对于初学者来说是极具吸引力的。

• 功能强大：从计算机视觉、自然语言处理再到深度强化学习，PyTorch 的功能异常强大。而且，如今支持 PyTorch、功能强大的包也越来越多，例如 Allen NLP（自然语言处理）和 Pyro（概率编程）。

• Python 化编程：在诸多深度学习开源框架平台中，PyTorch 恐怕是和 Python 结合得最好的一个。相比较 TensorFlow 框架来说，PyTorch 将会让你的代码更流畅舒服。

• 强大的社区支持：对于一个初学者来说，吸取到前辈的经验恐怕是最迫切的问题了。尽管 PyTorch 仅两岁有余，但是它的社区成长飞快。在国内，用 PyTorch 作为关键词搜索就能找到大概五六个网络社区、BBS。各大问答类网站关于 PyTorch 的问题数目也在持续增多。

如此强大的功能，如此好用的工具，绝对是值得我们大力推广的。然而，目前有关 PyTorch 的多数优质资料还以英文为主，大部分介绍深度学习、人工智能的资料充斥着大量的数学公式，这对普通用户而言是一个不小的门槛。因此，集智俱乐部的成员合力编写了这本书，力求进一步推广 PyTorch，普及人工智能和深度学习等新技术。

集智俱乐部诞生于 2003 年，是国内最早的人工智能社区之一。经过十几年的发展，它已经逐渐成长为一个深受国内顶尖研究者、科学家、工程师和学生群体热爱的学术社区。在这十几年间，集智俱乐部举办了大大小小 400 多场讲座、读书会等活动，创作了《科学的极致：漫谈人工智能》和《走近 2050：注意力、互联网与人工智能》两本人工智能科普读物。值得一提的是，国内 AI 领域著名的创业黑马 “Momenta” 和“彩云 AI”的创始人及核心成员都来自于集智俱乐部。在人工智能时代，集智俱乐部理应也必然会为国内人工智能行业的发展做出更大的贡献。

肩负着这样的使命，本书悄然诞生了。本书内容来源于张江老师在 “集智学园” 开设的网络课程——“火炬上的深度学习”，经各位成员的精心整理和不断完善，最终成书。我们希望能进一步推广 PyTorch，让更多人有机会掌握人工智能和深度学习等新技术，进入人工智能这个发展迅猛的行业，共享人工智能带来的发展红利。

作者简介：

集智俱乐部（Swarma Club），成立于2003年，是一个从事学术研究、享受科学乐趣的探索者团体。倡导以平等开放的态度、科学实证的精神，进行跨学科的研究与交流，力图搭建一个中国的“没有围墙的研究所”。目前已出版著 作有《科学的极致：漫谈人工智能》和《走近 2050：注意力、互联网与人工智能》，译作有《深度思考：人工智能的终点与人类创造力的起点》

第1章 深度学习简介　11．1　深度学习与人工智能　11．2　深度学习的历史渊源　21．3　深度学习的影响因素　61．4　深度学习为什么如此成功　111．5　小结　13第2章 PyTorch简介　152．1　PyTorch安装　152．2　初识PyTorch　152．3　PyTorch实例：预测房价　272．4　小结　33第3章　单车预测器：你的第 一个神经网络　353．1　共享单车的烦恼　353．2　单车预测器1．0　373．3　单车预测器2．0　493．4　剖析神经网络Neu　573．5　小结　613．6　Q&A　61第4章　机器也懂感情——中文情绪分类器　634．1　神经网络分类器　644．2　词袋模型分类器　674．3　程序实现　704．4　运行结果　804．5　剖析神经网络　814．6　小结　854．7　Q&A　85第5章　手写数字识别器——认识卷积神经网络　875．1　什么是卷积神经网络　885．2　手写数字识别器　1005．3　剖析卷积神经网络　1075．4　小结　1125．5　Q&A　1125．6　扩展阅读　112第6章　手写数字加法机——迁移学习　1136．1　什么是迁移学习　1146．2　应用案例：迁移学习如何抗击贫困　1186．3　蚂蚁还是蜜蜂：迁移大型卷积神经网络　1216．4　手写数字加法机　1286．5　小结　1436．6　实践项目：迁移与效率　143第7章　你自己的Prisma——图像风格迁移　1457．1　什么是风格迁移　1457．2　风格迁移技术发展简史　1477．3　神经网络风格迁移　1497．4　神经网络风格迁移实战　1577．5　小结　1657．6　扩展阅读　165第8章　人工智能造假术——图像生成与对抗学习　1668．1　反卷积与图像生成　1698．2　图像生成实验1——最小均方误差模型　1778．3　图像生成实验2——生成器-识别器模型　1848．4　图像生成实验3——生成对抗网络GAN　1908．5　小结　1978．6　Q&A　1978．7　扩展阅读　198第9章　词汇的星空——神经语言模型与Word2Vec　1999．1　词向量技术介绍　1999．2　NPLM：神经概率语言模型　2019．3　Word2Vec　2119．4　Word2Vec的应用　2149．5　小结　2219．6　Q&A　222第10章 LSTM作曲机——序列生成模型　22410．1　序列生成问题　22410．2　RNN与LSTM　22510．3　简单01序列的学习问题　23510．4　LSTM作曲机　24810．5　小结　25910．6　Q&A　25910．7　扩展阅读　259

（课程计划于 9 月 15 日开始直播。此系列课程与集智学园网站已上线的两个 PyTorch 系列课程内容结构相似，请同学们购买时注意）

编辑：孟婕

---

集智俱乐部QQ群｜877391004

商务合作及投稿转载｜swarma@swarma.org

◆◆◆

搜索公众号：集智俱乐部

加入“没有围墙的研究所”

让苹果砸得更猛烈些吧！

点击阅读原文即可购买

原文始发于微信公众号（集智俱乐部）：集智