深度学习书籍推荐！最新，最实用，最前沿！

点击上方“视学算法”关注

重磅干货，第一时间送达

深度学习资源

本期我们主打深度学习专场，带来了深度学习计算机视觉届的干货书，手把手地教你用Python学习CV，Manning 2020的新书《Deep Reinforcement Learning In Action》，经典书必读《Deep Learning-A Practitioner`s Approach》以及一本非常适合小白入手的入门书。详情介绍以及资料均可在本期阅读中获得哦!

Deep Learning-A Practitioner`s Approach

作者：

Josh Patterson, Adam Gibson

简介：

这本书的前四章主要集中在理论和基础展示，后五章从一些概念出发，带领您通过DL4J（Deep learning 4j）构建深度网络、高级调优技术、针对不同数据类型的矢量化、在Spark上运行深度学习工作流。

第一章回顾了机器学习的一般概念，特别是深度学习，让读者快速了解本书其余部分所需要的基础知识。增加这一章是因为许多初学者可以使用这些概念进行复习或入门，使尽可能多的观众可以接触到这个项目。

第二章以第一章的概念为基础，您提供了神经网络知识基础。我们的目标是用一种可访问的方式来呈现信息。

第三章在前两章的基础上更进一步，让你了解网络是如何从神经网络的基础演变而来的。

第四章介绍了深层网络的四种主要架构，并为本书的其余部分做好了铺垫。

第五章中，我们将使用前半部分中的技术参数，带您浏览一些Java代码示例。

第六章和第七章讨论了调优一般神经网络的基本原理，然后讨论了如何调优深度网络的特定架构。这些章节适用于任何深度学习图书馆的实践。

第八章是对矢量化技术和如何使用DataVec (DL4J的ETL和矢量化工作流工具)的基础知识的回顾。

第九章总结了该书的主体部分，回顾了如何在Spark和Hadoop上本地使用DL4J，并举例说明了在Spark集群上运行的三个实例。

 

Deep Learning for Computer Vision with Python

作者：

Dr. Adrian Rosebrock

简介:

这本书是一本使用Python进行计算机视觉研究的深度学习的指南，利用Python编程语言和Keras+mxnet库，解决深度学习应用到现实世界的计算机视觉问题。在本书中，您将学会如何将深度学习应用到项目中，如图像分类、目标检测、大型数据集上的训练网络等。

为了实现这一目标，您将通过在您自己的自定义数据集上训练网络，甚至在具有挑战性的最先进的图像分类挑战和比赛中去竞争，以一种实际的、应用的方式学习。当你读完这本书的时候，你已经准备好把深度学习应用到你自己的项目中去了。有了足够的实践，你将能够利用你新获得的知识在深度学习领域找到一份工作，成为一名计算机视觉顾问/承包商的深度学习，甚至创建自己的基于计算机视觉的公司来利用深度学习。

这本书不只是给初学者看的——里面也有高级的内容。本书的每一章都提供了一套学术参考资料，你可以用来进一步了解。《用Python实现计算机视觉的深度学习》中的许多章节实际上都以一种易于理解和消化的方式解释了这些学术概念。最重要的是，我在本书中提供的解决方案和策略可以直接应用到你当前的工作和研究中。一旦你将你的知识应用到项目或研究中，你将发现通过阅读节省下来的时间会比它本身更值得。

   Deep Reinforcement Learning In Action   

作者：

AlexZai，Brandon Brown

简介：

在过去的几年里，强化学习取得了巨大的成功，每天都有令人兴奋的成果，但真正入门级的教材在这一领域却相对较少。深度学习已经渗透到几乎所有的主要技术中，与之不同的是，强化学习最近才开始成为解决实际问题的可行方法。这意味着，如果你现在学习强化学习，你就会走在某个东西的底层，而这个东西的价值在不久的将来肯定会激增。虽然强化学习是一个不同于深度学习的领域，但两者的结合是机器学习发展的主要形式。这本书的目的是教你使用核心的强化学习技能，以最易理解和最直观的方式解决现实世界的问题。

   Deep Learning For Dummies   

作者：

JohnPaul Mueller，Luca Massaron

简介：

当你使用这本书时，您可以访问许多在Mac、Linux或Windows系统上运行的示例代码。您还可以使用谷歌Colab之类的工具在线运行代码。(我们提供了如何获取所需信息的指南。)特殊的设备，如GPU，将使实例运行得更快。然而，这本书的重点是，你可以创建深度学习代码，无论你有什么样的机器，只要你愿意等待它的一部分完成。(我们会告诉你哪些实例需要很长时间才能运行。)

这本书的第一部分将给你一些入门的信息，所以你不会完全迷失在入门阶段。您将了解如何安装所需的各种产品，并了解一些基本的数学知识。开始的例子更多的是沿着标准回归和机器学习的路线，但是你需要这个基础来获得对深度学习能为你做什么的充分理解。

当你通过了这些初始信息后，你开始做一些非常惊人的事情。例如，您将了解如何生成自己的art并执行其他任务，您可能认为这些任务需要许多编码和一些特殊的硬件才能完成。在这本书的最后，你会惊讶于你能做什么，即使你没有机器学习或深度学习学位。