本书

面向程序员的深度学习：使用Fastai和PyTorch，无需博士学位即可掌握人工智能应用是本课程的基础书籍。我们建议您在完成课程的同时阅读本书。阅读本书有几种方式——您可以购买纸质书或Kindle电子书，也可以在线免费阅读。整本书都以Jupyter Notebook形式编写，因此您也可以自己运行书中的所有代码。

要访问任何章节的交互式Jupyter版本，请点击正下方Colab部分中的任一章节链接。如果您只想阅读本书，而不想与代码交互，请跳转到nbviewer部分。

Colab

Google Colab是一个免费（可选付费订阅）的云端运行Jupyter Notebook的平台。您可以通过点击以下链接之一，在Colab中打开本书的任一章节

• 第1章, 介绍
• 第2章, 生产环境
• 第3章, 伦理
• 第4章, MNIST基础
• 第5章, 宠物种类
• 第6章, 多类别
• 第7章, 调整大小和TTA
• 第8章, 协同过滤
• 第9章, 表格数据
• 第10章, NLP
• 第11章, 中级API
• 第12章, NLP深度探讨
• 第13章, 卷积
• 第14章, ResNet
• 第15章, 架构细节
• 第16章, 优化器与回调函数
• 第17章, 基础
• 第18章, GradCAM
• 第19章, Learner
• 第20章, 结论

nbviewer

nbviewer是一个免费的阅读Jupyter Notebook的平台。您可以通过点击以下链接之一，在nbviewer中打开本书的任一章节

• 第1章, 介绍
• 第2章, 生产环境
• 第3章, 伦理
• 第4章, MNIST基础
• 第5章, 宠物种类
• 第6章, 多类别
• 第7章, 调整大小和TTA
• 第8章, 协同过滤
• 第9章, 表格数据
• 第10章, NLP
• 第11章, 中级API
• 第12章, NLP深度探讨
• 第13章, 卷积
• 第14章, ResNet
• 第15章, 架构细节
• 第16章, 优化器与回调函数
• 第17章, 基础
• 第18章, GradCAM
• 第19章, Learner
• 第20章, 结论