开通VIP，畅享免费电子书等14项超值服
首页
好书
留言交流
下载APP
联系客服
2021.03.26
对于入门深度学习的书籍，计算机视觉专家AdrianRosebrock最近写了篇非常实用的书单，给深度学习新手推荐了7本书籍，最最重要的是，告诉了你最适合看哪些书。
还有一些书则兼顾理论和实践，在让你亲身实践的同时提供给你一定的理论知识，并且让你亲自实现这些理论算法来进行学习（这种书籍谁不爱呢）。
下面我们会谈谈每一本书所涉及的核心内容、目标读者以及这本书是否适合你。
在选择一本书之前，最好评估一下自己的个人学习风格，这能使你更充分地利用书籍并从中得到最大的收获。
首先问自己以下几个问题：
什么才是我学习的最好方式？我是更喜欢从理论文字中获取知识呢？还是更希望从代码片段和具体实现中汲取营养？
每个人都有自己独特的学习风格，而你自己最好的学习方式又决定了你应该看哪些书籍。
比如对于有些人来说，喜欢在理论和实践之间取得平衡，因此很适合看兼顾理论和实践的书籍。太过理论或者抽象的深度学习书籍只会让他们感到枯燥无味，怕是会看得要睡着了。但话说回来，如果一本深度学习书籍完全跳过理论而直接进入具体的代码实现中，那么读者会错过核心的理论基础，而这些东西能够帮我们解决新的深度学习问题或项目。因此就他们而言，一本优秀的书籍需要在这两者之间寻求一个平衡。
我们需要理论来帮助自己理解深度学习的核心基础，同时也需要应用和代码来帮助我们加深学到的知识。
如果要写一篇关于最棒的深度学习书目的博客，那就不得不提Goodfellow,Bengio,和Courville三位大师的《DeepLearning》。本书中文版为《深度学习》，译者：赵申剑、黎彧君、符天凡和李凯。
这是一本教授深度学习有关的基本原理和理论的大学教材。Goodfellow等人的《DeepLearning》是一本纯粹的理论书籍，它面向的是学术界的读者，全书中没有一点代码。
本书首先讨论了机器学习的基础知识，包括从学术观点出发的学习深度学习（线性代数、概率论和信息论等）所必需的应用数学知识。
如果符合下面的条件，你应该读读这本书：
第二本要推荐的深度学习理论书籍是MichaelNielsen的著作《NeuralNetworksandDeepLearning》。
这本书中总共有7段Python代码，它们利用MNIST数据集讲述了各种机器学习、神经网络和深度学习技术的基础知识，对阐释书中讲到的理论概念大有帮助。
如果你是一个刚入门机器学习和深度学习的新手，并且急切地想深入理论领域里，那么这本书应是你的首选。
此书相比Goodfellow的《DeepLearning》更加易读，并且Nielsen的写作风格配上书中的代码片段也使得读完这本书更加容易。
如果符合下面的条件，那么你就应该读一读这本书：
GoogleAI研究人员，以及颇受欢迎的流行的深度学习库Keras的作者FrancoisChollet，在2017年10月份写下了这本《DeepLearningwithPython》。
Francois在书中提供了许多将深度学习应用于计算机视觉、文本、序列等方面的例子，对于想要在学习机器学习和深度学习的同时也了解Keras的读者来说，这本书涵盖的内容非常全面。
本书内容不仅简洁易懂，而且作者对于深度学习的趋势和历史的一些看法同样令人印象深刻。
需要注意的是这本书并不是一本非常深入的深度学习书籍，它最重要的作用在于通过使用Keras库写一些各种各样实际的深度学习示例来教你领会深度学习的基础概念。
有些人第一次购买AurélienGéron的Hands-onMachineLearningwithScikit-LearnandTensorFlow，并不太确定能学到什么，只当它只是一本机器学习的基本介绍，如果不是题目里有“TensorFlow”，估计会完全无视它。
比如有人就觉得给原本就很长的书名后面再加个TensorFlow，这是为了增加发行量而采取的市场伎俩，毕竟对深度学习感兴趣的人那么多，对吧？
但是如果这么想，那就错了，这是一部非常优秀的作品，书不可貌相啊。
这本书主要分为两个部分。
如果你喜欢“代码多理论少”这样的教学风格，那么我建议你读一读Gulli和Kapoor的《TensorFlowDeepLearningCookbook》。
这本书是完全手把手讲解，并且也是一本非常好的TensorFlow参考书。它不教授深度学习，而是向你展示在深度学习中，如何使用TensorFlow库。
不要误会——跟着这本书你绝对能够学到新的深度学习概念、技术和算法，但这本书采取了更加实战化的方式：包含大量的代码以及对这些代码的讲解。
不过本书唯一的缺点就是其中有不少错别字，但对于一本以代码为中心的书这是预料之中的。错别字无法避免，阅读之时一定要细心。
大部分的深度学习书籍中含有Python代码示例，但AdamGibson和JoshPatterson的著作《DeepLearning:APractitionersApproach》采用了Java和DL4J库。
在这本书的前几个章节里，Gibson和Patterson讨论了机器学习和深度学习的基本知识，剩下的部分则涵盖了使用DL4J库写成的Java深度学习代码。
由计算机视觉专家AdrianRosebrock编写的《DeepLearningforComputerVisionwithPython》被评为当前最好的深度学习和计算机视觉资源之一。
Google的AI研究员和Keras库的作者FrancoisChollet对于本书做出过这样的评价：这是一部关于计算机视觉的卓越的、深入且实用的深度学习实践作品。我认为它非常易读易懂：书中的解释清晰而又详细。在书中你能够找到许多在其他书籍或大学课程中难以见到的实用的建议。对于从业者和初学者，我强烈推荐这本书——FrancoisChollet
如果你对在计算机视觉（图像分类，对象检测，图像理解等）中应用深度学习有兴趣，那这本书再好不过了。
在这本书中，你将能够：理论和实践并重地学习机器学习和深度学习的基础内容学习先进的深度学习技术，包括对象检测、多GPU训练、迁移学习以及生成对抗网络等复现最前沿的论文成果，包括ResNet、SqueezeNet、VGGNet以及其他存在于ImageNet数据集中的成果
除此之外，书籍还兼顾理论和实践两者之间的平衡，对每一个深度学习理论，都会有一个关联的Python实现来帮助你巩固对其的理解和学到的知识。