我用过了TensorFlow、PyTorch等好几种框架，为什么还是吃不透深度学习算法？

数据、算力和算法是人工智能的三大基石，而我们唯一可控、可学且能够学会的就是算法。本文选自**《实战深度学习算法：零起点通关神经网络模型（基于Python和NumPy实现）》**一书，陪你零起点通关神经网络模型！

以深度学习为代表的人工智能技术深刻地影响着我们的生活方式，从图像识别、语音识别、机器翻译到智能医诊、自动驾驶、智能风控 ······ 在多个应用领域不断地刷新纪录。

深度学习近年来之所以能取得颠覆性突破，一方面，归功于“数字化”对社会的渗透使得大量数据得以积累；另一方面，受益于单位成本下硬件算力的提升，推动了复杂模型的商用；然而最根本的，还是来自深度学习背后基础算法的巧思妙想与厚积薄发。

只有深入了解深度学习的算法原理，才能更灵活、高效地运用于实践当中。现有的深度学习框架将算法使用简化为“调包”和“调参”。降低了使用成本，然而却没有降低学习成本。

**对于算法，最有效的学习方式是理解原理并动手实践。**从原始论文可以查阅算法的详解和推导，却不容易复现结果。主流的深度学习框架多采用计算图模型，不容易调试或观察，对希望深入了解算法的初学者并不友好。致力于用深度学习方法创造社会价值的从业者，也需要看清底层算法的脉络，来做模型的定制、优化和改进。

《实战深度学习算法：零起点通关神经网络模型（基于Python和NumPy实现）》

系统地介绍了如何用Python和NumPy一步步地实现深度学习的基础模型，无须借助TensorFlow、PyTorch等深度学习框架，帮助读者更好地理解底层算法的脉络，进而进行模型的定制、优化和改进。

本书的特点是“原理 + 实践”。按照“带着问题看算法”的逻辑来组织内容，所描述的每一种深度学习算法都围绕一个实际的目标问题展开，提供了基础算法的必要推导和实例，方便直观理解。

（扫码获取本书详情）

• 理解深度学习主要的核心模型

• 灵活复现重要论文、验证新方法

• 自由替换模型中的底层算法，取得一手实验结果

• 针对自己工作的特定场景，对算法做定制和优化，实现工程应用

实践是对理解进行校验和纠偏的最佳途径。有侧重地理解核心和基础的算法，实现之，有助于复现业内新发布的方法。如果结合自身场景，能够优化改进现有算法，还可以扩展已知方法的边界。

---

博文视点学院

1元好课推荐

学院好课一元起，相伴学习尽欢喜无论相隔几万里，落叶归根我归你

知识图谱是实现机器认知智能的基础，也是一门应用广泛的工程学科。其具体方法大都来自计算机或人工智能的其他领域，比如自然语言处理、机器学习、知识工程等。面对如此庞杂的知识，应该如何着手学习?

现在扫描下方二维码，仅需1元！

《知识图谱:概念与技术》一书作者之一、复旦大学大数据学院与大数据研究院副院长阳德青老师，将为你带来一堂入门课。

（扫码报名）