资料内容：
引言
深度学习是机器学习的一个子集，它专注于使用神经网络来解决复杂的数据问题。由于软
件和硬件的进步，我们现在能够收集和处理大量的数据（我们谈论的是数百万甚至数十亿
条记录），这使得深度学习变得越来越受欢迎。这一点非常重要，因为深度神经网络需要
大量的数据才能表现良好。
深度学习的一些最著名应用包括自动驾驶汽车、流行的聊天机器人以及各种各样的语音激
活助手，这些将在本章中进一步解释。
PyTorch于2017年推出，其主要特点是使用图形处理单元（GPU）通过“张量”处理数据
。这使得算法能够高速运行，同时为用户提供灵活性和标准语法，以获得许多数据问题的
最佳结果。此外，PyTorch使用动态计算图，允许您实时对网络进行更改。本书通过使用P
yTorch揭示神经网络的神秘面纱，并帮助您理解神经网络架构的复杂性。
为什么选择深度学习？
在本节中，我们将讨论深度学习的重要性以及其受欢迎的原因。
深度学习是机器学习的一个子集，它使用多层神经网络（大型神经网络），这些网络受
到人类大脑生物结构的启发，在网络中，一层中的神经元接收一些输入数据，对其进行
处理，并将输出发送到下一层。这些神经网络可以由成千上万个相互连接的节点（神经
元）组成，这些节点主要组织在不同的层次中，一个节点与前一层的几个节点相连，从
这些节点接收输入数据，同时也与后一层的几个节点相连，将处理后的数据发送到这些
节点。
深度学习之所以受欢迎，是因为其准确性高。它在处理复杂数据问题，如自然语言处理（N
LP）时，达到了其他算法前所未有的高准确度水平。深度学习表现出色的能力已经达到了机
器能够超越人类的水平，例如在欺诈检测的案例中。深度学习模型不仅能优化流程，还能提
高它们的质量。这已经意味着在一些准确性对安全至关重要的革命性领域取得了进步，例如
自动驾驶汽车。
