背景：

最近进入老师的视频组，主要搞视频的处理、多目标追踪、跨摄像头行人再识别、视频结构化，这个大方向，把深度学习运用到视频方面。
在此背景下，我去研究用深度学习对目标检测、目标追踪这个方面的内容，开始去了解CNN-->VGG-->ResNet(残差网络)-->R-CNN-->Fast RCNN-->Faster R-CNN-->Mask R-CNN-->SSD -->Yolo(v1\v2\v3)，这一系列的网络，想了解这些网络的具体架构，然后运用到自己的实际项目中。
然后跟着博士师兄去阅读ICCV、CVPR、ECCV这些三大顶级会议的文章，选取最近两年和这个方向相关的论文，每个人阅读其中的一部分，相互交流，了解他们的创新点和研究动态，通过合作共享，迅速了解这个领域。

1、Pytorch学习

pytorh只是神经网络的一个运用框架，前面有caffe、tensorflow、keras这些框架，只是pytorch相对于前面这些框架更加简洁，安装也更加方便。Pytorch只是一个工具，还是要在了解深度神经网络的基础上，用Pytorch 这个工具实现自己的效果。
Pytorch是一个新的深度学习框架，出来以后广受欢迎，我们跟着师兄，也从tensorflow转移到pytorch 的阵营。
但目前关于Pytorch的教程很少，大多是从Pytorch官方网站tutorials上面的官方教程，这也是最好的资源，我起初准备直接看这上面的教程，但语言障碍和对神经网络的陌生，看了几次，把各个.ipynb在电脑上跑了一下，就仅仅是跑通了，然后就没有然后，对里的东西很是陌生，完全是在门外徘徊，非常苦恼。
《深度学习框架PyTorch：入门与实践》算是这本书的翻译，以前觉得看英语原文比较好，但发现如果没有一个很好的知识框架和储备，直接看原文耗时而且也不一定能够理解。这种书也正是基于最好的官方教程，翻译成我们能够更好接触的样子。

2、这本书的内容和结构

代码内容 知识结构