序

2006年年中开始做PyTorch项目时，我们还是一个开源团队。我们这个团队的成员是在网上互相认识的，都是想把深度学习软件编写得更好的计算机“极客”。本书3位作者中的2位——Luca Antiga和Thomas Viehmann对PyTorch今天所取得的成功起到了重要作用。

我们使用PyTorch的目的是构建一个尽可能灵活的框架来表达深度学习算法。我们专注于任务执行，并且希望在相对较短的开发时间里为开发者社区提供一个完善的产品。如果我们不是站在巨人的肩膀上，我想这是不可能完成的。PyTorch的大部分基础代码源于Ronan Collobert等人在2007年发起的Torch7项目，该项目源于Yann LeCun和Leon Bottou首创的编程语言——Lush。正是鉴于这段丰富的历史经验，我们才能关注需要改变的东西，而不是从零开始。

很难将PyTorch的成功归因于单一因素，它具有良好的用户体验、较高的可调试性和灵活性，最终提高了用户的工作效率。同时，PyTorch的大量使用也造就了一个出色的软件生态系统，在此基础上进行的研究使得PyTorch具有更好的用户体验。

一些线上或线下的关于PyTorch的课程和大学里的计划课程，以及大量的线上博客和教程，使得PyTorch学习起来更容易。然而，关于PyTorch的图书很少。2017年有人问我：“什么时候写一本PyTorch的书？”我回答说：“如果现在开始写，我敢保证，等书写完了，书里面的内容就过时了。”

随着本书的出版，我们最终有了一本关于PyTorch的权威著作。它非常详细地介绍了基础知识和抽象概念，对诸如张量和神经网络的数据结构进行了分解介绍，以确保大家能够理解它们的实现原理。此外，本书还涵盖了一些高级主题，如即时（JIT）编译器和生产环境部署，这些内容也是PyTorch的一部分。

此外，本书还有应用程序相关内容，通过使用神经网络来帮助大家解决一个复杂和重要的医学问题。凭借Luca在生物工程和医学成像方面深厚的专业知识，Eli在医疗设备和检测软件方面的开发经验，以及Thomas作为PyTorch核心开发人员的背景，本书的应用程序相关内容值得认真学习。 总之，我希望本书成为你长期的参考文档，成为你的个人图书馆或工作室的一部分。

Soumith Chintala

PyTorch联合创作者