概述

本書以較為通俗的語言介紹了深度學(xué)習(xí)的方方面面，從機(jī)器學(xué)習(xí)的基本任務(wù)到CNN、RNN，再到殘差網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)、GAN等；講述時(shí)將部分公式用比較通俗的語言進(jìn)行了解釋，便于建立直觀的認(rèn)識(shí)；使用TensorFlow工具介紹了手寫板、圖片分類、自動(dòng)文本生成等基礎(chǔ)學(xué)習(xí)案例。本人認(rèn)為最具特點(diǎn)的一章是第七章解釋了一些機(jī)器學(xué)習(xí)中通用的問題，比如歸一化、正則化、超參數(shù)等等

本書基本獨(dú)立成冊(cè)，適用于零基礎(chǔ)的初學(xué)者。

內(nèi)容簡(jiǎn)介 · · · · · ·

章節(jié)遞進(jìn)關(guān)系

基礎(chǔ)篇（第1～3章），講解了機(jī)器學(xué)習(xí)、深度學(xué)習(xí)與實(shí)踐的上下文知識(shí)，如基本的機(jī)器學(xué)習(xí)與深度學(xué)習(xí)算法，TensorFlow框架的安全與配置，簡(jiǎn)單的深度學(xué)習(xí)實(shí)踐。該篇是閱讀和實(shí)踐的基石。

1. 機(jī)器學(xué)習(xí)是什么

2. 深度學(xué)習(xí)是什么
   

3. TensorFlow框架與安裝

原理與實(shí)踐篇（第4～8章），介紹“老牌”的深度學(xué)習(xí)網(wǎng)絡(luò)的數(shù)學(xué)原理和工程實(shí)現(xiàn)原理，尤其是第4章，如果能基本讀懂，后面的網(wǎng)絡(luò)實(shí)現(xiàn)層面的問題基本都可以迎刃而解。涵蓋BP網(wǎng)絡(luò)、CNN、RNN的結(jié)構(gòu)、思路、訓(xùn)練與使用，以及一些常見的綜合性問題。該篇是學(xué)習(xí)深度學(xué)習(xí)的重點(diǎn)和難點(diǎn)，作者通過大量示例、推理與實(shí)現(xiàn)，幫讀者大化降低學(xué)習(xí)曲線。

1. ?前饋神經(jīng)網(wǎng)絡(luò)

2. 手寫板識(shí)別

3. ?卷積神經(jīng)網(wǎng)絡(luò)

4. ?綜合問題

5. ?循環(huán)神經(jīng)網(wǎng)絡(luò)

擴(kuò)展篇（第9～13章），介紹一些網(wǎng)絡(luò)的變種和一些較新的網(wǎng)絡(luò)特性，涵蓋深度殘差網(wǎng)絡(luò)、受限玻爾茲曼機(jī)、強(qiáng)化學(xué)習(xí)、對(duì)抗學(xué)習(xí)，這是讀者進(jìn)一步學(xué)習(xí)與實(shí)踐思路的鑰匙。最后給出了一些有趣的深度學(xué)習(xí)應(yīng)用：人臉識(shí)別、作詩姬、大師風(fēng)圖像處理，有趣又有用。

1. ?殘差神經(jīng)網(wǎng)路

2. 受限玻爾茲曼機(jī)

3. ?強(qiáng)化學(xué)習(xí)

4. 對(duì)抗學(xué)習(xí)

5. ?有趣的深度學(xué)習(xí)應(yīng)用

知識(shí)點(diǎn)框架圖

獲取方法:評(píng)論+私信，私信“學(xué)習(xí)”? ??