深度学习从基础到实践

本书上下两册共约800页，阅读起来感觉就像一本手册书籍。而且值得一提的本书的作者是计算机交互、图形学领域的大牛，这是图书质量的保证。就内容而言本书囊括范围很广泛，但重在基本概念和理论实践，完全没有复杂的公式推导和讲解。所以对于刚入门深度学习的读者来说很不错，非常适合阅读。 图书排版设计优美，使技术性读者阅读起来不是很疲惫，书中使用了大量的图片案例更加直观的由浅深地讲解深度学习的相关知识 。而且每一章后面都有参考资料，这个是个人非常喜欢的一种排布，可以知道该知识点的原始来源文献。下面具体看看上下两册都讲了什么内容。

上册着重介绍深度学习的基础知识，而且给我的感觉就是很详细的在讲解深度学习相关的各类知识点。使读者快速建立扎实的知识储备，例如：分章节介绍随机性与基础统计学、训练与测试、过拟合与欠拟合、神经元、学习与推理、数据准备、分类器、集成算法、前馈网络、激活函数、反向传播等内容。从章节题目上就知道讲解的知识点有多详细了，而且是真的”基础“。第一册只有第十五章用到了scikit-learn机器学习的内容，可能是不倾向于python的使用者阅读吧。

下册主要讲解卷积神经网络、循环神经网络、自编码器、强化学习、生成对抗网络等内容，这一册更倾向于理论实践。通过深度学习的 Keras 库将案例复现，当然这部分使用的是python语言。

这本书阅读起来也有一些不好的体验。刚开始阅读的时候有一点不适应他的备注写法，如图看到的是文章引用的作者名和文章名以及年份。另外感觉部分翻译有点生硬，机器翻译的体验。

备注

翻译