理解深度学习

本书系统介绍深度学习的核心概念、主流模型与实战方法，内容涵盖神经网络基础、卷积神经网络、循环神经网络、图神经网络、生成对抗神经网络、Transformer、扩散模型、深度强化学习等前沿方向，详细阐述各类模型的数学原理、网络结构、训练流程与优化方法。全书以Python为主要编程语言，结合PyTorch框架提供丰富的代码示例与完整项目解析，同时每章配有“思考”模块与练习，帮助读者理解算法实现细节并巩固所学知识。本书适合高等学校人工智能及相关专业的本科生、研究生，以及相关工程技术人员学习参考。
【推荐语】
本书是南京大学人工智能学院核心课程配套教材，由南京大学人工智能学院副院长申富饶教授编著。
【作者】
申富饶 南京大学人工智能学院副院长，计算机软件新技术全国重实验室教授、博导。先后在南京大学数学系获学士、硕士学位，在日本东京工业大学获博士学位。主要研究方向为神经网络、计算机视觉、机器人智能，主持多项国家级项目，在包括ICML、CVPR等顶级会议和IEEE TPAMI等期刊发表论文130余篇，出版教材、专著、译著10余部。