本课程是《深度学习原理与 PyTorch 实战》书籍的配套实践内容。《深度学习原理与 PyTorch 实战》是一本系统介绍深度学习及开源框架 PyTorch 的入门书，全书注重实战，讲解了卷积神经网络，循环神经网络，计算机视觉，迁移学习，自然语言处理等相关知识。

自然语言处理是指对人们平时日常使用的交流语言进行处理的一项技术。自然语言处理经过多年的发展，现今可以划分为两部分内容，即：自然语言的理解和自然语言的生成。本次实验将以文本分类为目标，介绍自然语言处理相关的基础操作和应用。学习完本课程后，建议继续学习：https://www.lanqiao.cn/courses/1329

图像的风格迁移其实就是利用相关算法对一些著名画作的风格进行学习，然后再把这种风格应用到我们熟悉的图片中。本课程将对传统的图像风格迁移算法进行讲解，并且利用 PyTorch 对其进行实现，完成任意两张图片的风格迁移。

PyTorch 是由 Facebook 主导开发的深度学习框架，因其高效的计算过程以及良好的易用性被诸多大公司和科研人员所喜爱。本次课程中，我们将学习 PyTorch 的基础语法，了解 Autograd 自动求导机制，并最终利用 PyTorch 构建可用于图像分类任务的人工神经网络。

本课程将以中文为处理对象，逐步讲解关于中文的自然语言处理技术常用的一些底层技术，即中文分词、词性标注、命名实体识别。这三项底层技术也是目前能够商用，且相对成熟的技术。挑战参考答案：https://www.lanqiao.cn/questions/172391

预训练模型目前在自然语言处理领域得以广泛应用，本次课程将围绕 BERT，GPT-2，XLNet 等最前沿的预训练模型技术，使用基于 PyTorch 开发的 PyTorch-Transformers 预训练模型库进行实践。

PyTorch 是一个基于 Torch 的 Python 开源机器学习库，它主要由 Facebook 的人工智能小组开发。该框架不仅能够实现强大的 GPU 加速，还支持动态的神经网络。因此，很多互联网的大厂在进行深度学习时，都会使用该框架，比如 Facebook、Twitter 等。本课程一共 15 章，从浅入深地为同学们阐述了 PyTorch 的语法结构和应用场景。

课程根据知名开源项目 Dive into Deep Learning 改编。课程将原实验的代码都使用 PyTorch 库来完成而非原内容自封装库。此外，课程针对深度学习的部分配置了云主机环境，保证可以在线上环境顺利完成学习。因中文版权限制，课程以开源英文内容提供。

本课程覆盖了文本预处理，文本分类，语言模型，文本生成，注意力机制，机器翻译，自注意力机制，NLP 前沿模型等 NLP 工程师必须要掌握的技术。