“pytorch深度学指南”丛书循序渐进地详细讲解了与深度学相关的重要概念、算法和模型，并着重展示了pytorch是如何实现这些算法和模型的。其共分三卷：编程基础、计算机视觉、序列与自然语言处理。本书为该套丛书的第三卷：序列与自然语言处理。本书主要介绍了循环神经网络（rnn、gru和ltm）和一维卷积；eq2eq模型、注意力、自注意力、掩码和位置编码；tranformer、层归一化和视觉tranformer（vit）；bert、gpt2、单词嵌入和huggingface库等内容。本书适用于对深度学感兴趣，并希望使用pytorch实现深度学的python程序员阅读学。