“pytorch深度学指南”丛书循序渐进地详细讲解了与深度学相关的重要概念、算法和模型，并着重展示了pytorch是如何实现这些算法和模型的。其共分三卷：编程基础、计算机视觉、序列与自然语言处理。本书为该套丛书的卷：编程基础。本书主要介绍了梯度下降和pytorch的autograd；训练循环、数据加载器、小批量和优化器；二元分类器、交熵损失和不衡数据集；决策边界、评估指标和数据可分离等内容。本书适用于对深度学感兴趣，并希望使用pytorch实现深度学的python程序员阅读学。