神经网络与深度学习实战:python+keras+tensorflow 资料_深度学习，从入门到实战

回顾自己学习深度学习的历程，最开始是学的tensorflow，包括书本和视频。

通过《Tensorflow：实战Google深度学习框架.pdf》，《TensorFlow实战_黄文坚（完整）.pdf》这两本书，两本书内容比较雷同，大家可以按需选择。通过这两本书详细的学习了解了深度学习深层神经网络，CNN，RNN，LSTM等模型的基础代码，从理论和代码层面熟悉了深度学习的相关算法和原理。工作后发现，真实应用时，不太可能会自己去构建轮子，为了更好的实验和应用落地，都要学习和使用已经成熟的深度学习包。

深度学习包，这里推荐Keras，同时经过一番搜索，学习keras比较方便的书就是我今天要讲的这本书了《Deep_Learning_with_Python_Keras_francois.pdf》。书籍和源代码都可以在互联网上搜索得到。同时可以配合Keras:基于Python的深度学习库 - Keras中文文档一起参考学习。

这本书从前到后依次使用keras包实践了深层神经网络（隐藏层数与节点数的选择技巧，kfold应用，通过正则化和dropout以及设置学习次数来防止过拟合和欠拟合），卷积神经网络（基础的，预训练的，增强学习以及卷积可视化），RNN，GRU，LSTM，以及嵌入层在语义分析方面的应用。个人感觉通过学习这本书，一些基础模型通过keras来构建基本不成问题，到这个时候深度学习应用的入门实战已经结束，下一步就是在项目中更多的使用，构造深度学习网络结构，不断时间迭代，积累调参经验。

另外更多渠道大家可以上github下载keras相关jupeter代码文件学习。或者上csdn下载书籍和代码学习，都是很便捷的学习渠道。

希望这个简单的学习笔记，能够帮助到想学深度学习而不得其门而入的你。