本书主要服务于深度学习的应用工程师. 努力在数学严谨性和工程易用性之间取得平衡.
不适合首次接触深度学习的读者, 但非常适合作为第二本书.
建议深度学习的初学者先从基本概念开始学习, 本书亦有一篇关于入门资料的文章.
市面上已有大量注重于深度学习基础概念介绍的资料, 也有注重于实战项目的, 都很好.
这些资料的常见组织形式是基础概念 + 代码实现.
限于篇幅, 一般不会进行详细的公式推导和配套的代码实现, 而且这部分内容比较枯燥, 受众较少. 然而, 若是缺少这一块知识, 对于数学基础薄弱的学习者来说, 会有某种空落落的不安全感.
本书省略了基础概念的介绍, 把篇幅留给公式推导, 希望能为读者介绍更多的数学细节.
本书内容安排的顺序是公式描述的基础概念, 伪代码风格的公式推导, 纯 Python 实现, 最后借助流行的深度学习框架进行验证.
伪代码的风格是指, 不方便使用代码表示的数学符号, 不予采用. 若有成熟的标准函数, 则倾向于简化严格的数学证明.
注意, 本书并无重新造轮子的打算. 纯 Python 实现部分力求精简, 仅用于理解公式原理, 够用就好. 同一个算法若有多种实现, 优先考虑可读性, 不考虑计算效率.
生产环境推荐使用成熟的框架, 如大名鼎鼎的 TensorFlow 和容易上手的 PyTorch.
大体内容如下 :
( 基 础 概 念 ) ⇆ 公 式 推 导 ⇆ 代 码 实 现 ⇆ 框 架 验 证 ⇆ ( 项 目 实 战 ) (基础概念)\leftrightarrows \bold{公式推导} \leftrightarrows \bold{代码实现} \leftrightarrows \bold{框架验证} \leftrightarrows (项目实战) (基础概念)⇆公式推导⇆代码实现⇆框架验证⇆(项目实战)
本书主要完成中间的公式推导, 代码实现, 框架验证这 3 块.
基础概念和项目实战部分, 读者需要自行补充.
首发 CSDN, 暂停更新, 敬请谅解.
BrightLamp
2018年12月21日