摘要
本文介绍深度学习入门的一些推荐资料和阅读指导.
相关
本文是系列文章中的其中一篇.
系列文章索引 :
https://blog.csdn.net/oBrightLamp/article/details/85067981
正文
筛选标准
自学深度学习, 需要学习的内容太多, 很容易在中途放弃. 一套简明, 友好的入门资料非常重要. 以下几条是选书标准 :
- 面向深度学习中的计算机视觉, 有意识的回避传统的机器学习, 缩短入门路径.
- 数学零基础: 只要求一元函数求导, 多元函数偏微分, 矩阵乘法, 正态概率分布. 全部就这 4 项了, 没有"等等"两字.
- 使用尽可能少的数学符号, 尽可能避免复杂的公式嵌套. 数学符号应尽可能全书统一.
- 纯 Python, 不使用 TensorFlow 和 PyTorch 等框架.
- 所有的基础理论都给出底层代码实现, 全书源码可以下载.
- 使用同一套 Python 类库代码, 同一个代码风格贯穿全书. 拒绝每一章都定义新的函数风格, 使用新的参数类型.