(资料下载方式见文末)
内容简介:
本书向希望了解深度学习,特别是对实际使用深度学习感兴趣的学习者。本书并不要求你有任何深度学习或者机器学习的背景知识,我们将从头开始解释每个概念。虽然深度学习技术与应用的阐述涉及了数学和编程,但你只需了解基础的数学和编程,例如基础的线性代数、微分和概率,以及基础的Python编程。本书将全⾯介绍深度学习从模型构造到模型训练的⽅⽅⾯⾯,以及它们在计算机视觉和⾃然语⾔处理中的应⽤。我们不仅将阐述算法原理,还将基于Apache MXNet 来演⽰它们的实现和运⾏。本书的每⼀节都是⼀个Jupyter笔记本。它将⽂字、公式、图像、代码和运⾏结果结合在了⼀起。
本书结构:
本书内容⼤体可以分为三部分:
• 第⼀部分(第1章⾄第3章)涵盖预备⼯作和基础知识。第1章介绍了深度学习的背景和本书的使⽤⽅法。第2章提供了动⼿学深度学习所需要的预备知识,例如如何获取并运⾏书中的代码。第3章包括了深度学习最基础的概念和技术,例如多层感知机和模型正则化。如果你时间有限,并且只希望了解深度学习最基础的概念和技术,那么你只需阅读第⼀部分。
• 第⼆部分(第4章⾄第6章)关注现代深度学习技术。第4章描述了深度学习计算的各个重要组成部分,并为之后实现更复杂的模型打下基础。第5章解释了近年来令深度学习在计算机视觉领域⼤获成功的卷积神经⽹络。第6章阐述了近年来常⽤于处理序列数据的循环神经⽹络。阅读第⼆部分有助于掌握现代深度学习技术。
• 第三部分(第7章⾄第10章)讨论计算性能和应⽤。第7章评价了各种⽤来训练深度学习模型的优化算法。第8章检验了影响深度学习计算性能的⼏个重要因素。第9章和第10章分别列举了深度学习在计算机视觉和⾃然语⾔处理中的重要应⽤。这部分内容可供你根据兴趣选择阅读。
图1.本书结构图
本书特点:
本书的⼀⼤特点是每⼀节都是可以运⾏的。你可以改动代码后重新运⾏来查看它对结果造成的影响。我们认为这种交互式的学习体验对于学习深度学习⾮常重要。因为深度学习⽬前并没有很好的理论解释框架,很多论断只可意会。⽂字解释在这时候可能较苍⽩,而且不⾜以覆盖所有细节。本书的代码基于Apache MXNet实现。MXNet是⼀个开源的深度学习框架。它是AWS(亚⻢逊云计算服务)⾸选的深度学习框架,也被众多学校和公司使⽤。本书所有代码已在MXNet1.2.1下测试通过,本书可以作为 MXNet⼊⻔书使⽤。
《动手学深度学习》下载方式----公众号回复:动手学深度学习
即可下载
关注公众号:机器学习AI工场
获取更多机器学习、深度学习内容