前言

当下深度学习和大模型是一个技术热点，如果读者想学习这方面的技能，那么本书是一个不错的选择。

从知识体系上来看，本书的内容涵盖了深度学习各种模型的知识点，包括但不限于搭建Python和Pytorch的开发环境、用多层感知机预测数据的技术、用卷积和残差神经网络分类图片的技术、用生成对抗网络识别图片的技术、用循环神经网络和Transformer网络分析文本的技术、用ViT模型分类图片的技术、人脸识别和目标物体识别的技术，以及强化学习和音频分析等技术。

此外，本书还用专门的一章讲述了DeepSeek模型在本地部署和微调的技能点。

本书的作者具有多年Python、AI和大模型的开发经验，谙熟AI模型方面高级开发所需要掌握的知识体系，也非常清楚从零基础升级到高级开发人员可能会走的弯路，所以在本书的内容安排上，第一，只讲初学者有必要学习的知识点，而不会导致过度学习；第二，并没有像其他同类书那样给出复杂的数学公式，而是用通俗的文字讲述各种技能；第三，结合具体范例程序讲述各知识点，从而能确保读者学得会并用得上。

本书的全部范例在CPU环境下也均可运行。本书还附带一些范例所必需的数据集，而且对于所有范例，笔者都是逐行讲述了关键要点。所以笔者相信，即使是零基础的初学者，也能通过本书提供的范例及文字，高效地掌握深度学习的相关技能点。本书的范例程序篇幅适中，通俗易懂，还可作为课程设计或毕业设计的参考范例。

本书赠送代码、数据集、PPT和视频讲解，读者扫描下方二维码可获取。

为了让读者能高效掌握本书的知识点和范例，笔者在编写本书时，处处留心、字字斟酌。本书不会出现复杂的数学公式和术语，而是用比较通俗易懂的文字，由浅入深地讲述诸多知识点。

由于编者水平有限，书中难免存在缺点和错误，殷切希望广大读者批评指正。