虽然像卷积神经网络 (neural network)（CNN）和循环神经网络（RNN）这样的基本网络设计能有效处理许多任务，但某些问题场景需要更专业的结构。本章将着重介绍如何使用PyTorch实现多种进阶神经网络模型。

您将学习重要的现代结构及其实现细节。我们将逐个组件地介绍Transformer模型的构建，包括注意力机制 (attention mechanism)。我们还将使用图神经网络（GNN）处理图结构数据，并运用PyTorch Geometric等库。此外，本章会介绍用于生成任务的归一化 (normalization)流（Normalizing Flows）、用于连续深度建模的神经常微分方程（Neural ODEs），以及针对少样本场景的元学习方法。侧重于理解这些构成要素，并在代码中构建这些复杂的模型。