"本书将基础理论和算法实现相结合，循序渐进地介绍了人工智能领域中的常见算法，全面、系统地介绍了使用Python实现人工智能算法，并通过PyTorch框架实现人工智能算法中的深度学习内容。全书分为两篇，共12章，分别介绍了人工智能基础、深度学习基础、卷积神经网络的基本构建、PyTorch的基本应用、分类识别技术与应用、目标检测技术与应用、基于视觉大数据检索的图搜图应用、验证码AI识别、基于生成式对抗网络的图像生成应用、肺炎感染影像智能识别、基于深度学习的人脸二维码识别、污损遮挡号牌识别与违法行为检测等内容，并对所涉及的每个知识点都配有相应的实现代码和实例。 本书主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员，从事高等教育的专任教师，全国高等学校的在读学生及相关领域的广大科研人员。 "

前言 党的二十大报告强调“必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，开辟发展新领域新赛道，不断塑造发展新动能新优势。” 在人工智能蓬勃发展的今天，深度学习已成为推动技术变革的重要力量，尤其在计算机视觉领域，深度学习技术引领着一波又一波的创新浪潮。从图像分类到目标检测，从图像分割到风格迁移，深度学习让计算机具备了前所未有的视觉理解能力。而在众多深度学习框架中，PyTorch以其灵活性和易用性，成为广大研究者和开发者的首选工具。 本书主要内容 本书旨在为读者提供一条从基础到实战的学习路径，帮助读者深入理解计算机视觉中的核心概念和技术，掌握使用PyTorch构建和优化深度学习模型的实战技巧。本书内容结构清晰，案例丰富，既适合初学者入门，也适合有一定基础的读者进一步提升技能。 全书共分为两部分，共12章。 第1部分基础篇，主要介绍了深度学习理论知识，包括第1～4章。第1章人工智能基础，包括人工智能概述、计算机视觉基础、深度学习在实际中的应用； 第2章深度学习的基本原理，包括神经网络的实现方法、梯度与自动微分、参数优化与更新策略； 第3章卷积神经网络的基本构建，包括卷积层的多种操作、可变形卷积技术、反卷积与目标分割、池化层的多重特性、全连接层的作用与影响、数据标准化和正则化； 第4章PyTorch的基本应用，包括PyTorch简介与环境搭建、PyTorch基本语法与操作、PyTorch中的自动微分、模型的保存与加载、跨设备模型加载、权重的修改与调整。 第2部分应用篇，主要列...