本书是一本全面介绍深度学习和PyTorch实战的入门指南。全书共11章，第1章主要介绍了深度学习的概念、应用场景及如何搭建开发环境。第2章详细介绍PyTorch数学基础，包括函数、微分、数理统计、矩阵等基础知识及案例。第3章则介绍了数据预处理及常用工具，包括NumPy、Matplotlib、数据清洗、特征工程以及深度学习解决问题的一般步骤等。第4章分别介绍了PyTorch的基本概念、深度神经网络以及数据建模。第5章重点介绍了卷积神经网络、循环神经网络等；第6章则涵盖了回归分析、聚类分析、主成分分析、模型评估与调优等内容。第7章至第10章分别介绍了PyTorch图像建模、文本建模\音频建模和模型可视化，第11章重点介绍了大语言模型的原理、主要大语言模型以及模型本地化部署、预训练与微调技术。本书精心设计了大量解决实际问题的动手案例和上机练习题，并对所有实现代码进行了详尽的注释和说明，同时提供数据集和配书资源文件，旨在帮助读者更好地使用本书。