深度學(xué)習(xí)是如今最火熱的技術(shù)之一，但是對于有心入門卻不得其法的同學(xué)來說，選擇適合自己的書籍至關(guān)重要。
本著樂于助人、無私奉獻(xiàn)的精神，營長特意為大家精選了 7 本深度學(xué)習(xí)相關(guān)的書籍。這些書籍中，有些非常注重理論知識，主要關(guān)注神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)背后的數(shù)學(xué)和相關(guān)假設(shè)；有些則注重實戰(zhàn)，通過代碼而不是理論來講解深度學(xué)習(xí)。而那種既有理論講解，同時又有相應(yīng)的實戰(zhàn)訓(xùn)練的書籍，往往是營長的最愛。
接下來，營長將列出每本書籍的核心內(nèi)容以及目標(biāo)受眾，幫助大家選擇最適合自己的深度學(xué)習(xí)教材。
1.《深度學(xué)習(xí)》（Deep Learning）
出自 Goodfellow、Bengio 和 Courville 三位大牛之手的《深度學(xué)習(xí)》（Deep Learning）不可不提。本書旨在成為一本教科書，用于在大學(xué)課堂上教授關(guān)于深度學(xué)習(xí)的基本原理和理論。Goodfellow 等人的《深度學(xué)習(xí)》完全是理論性的書籍，而且沒有代碼，因此適用對象為學(xué)術(shù)界的讀者。
這本書首先討論了機(jī)器學(xué)習(xí)的基礎(chǔ)知識，從學(xué)術(shù)角度講解了有效研究深度學(xué)習(xí)所需的應(yīng)用數(shù)學(xué)（線性代數(shù)，概率和信息論等）知識；在此基礎(chǔ)上，本書進(jìn)一步講解了深度學(xué)習(xí)算法和技術(shù)的相關(guān)知識；在最后一部分，《深度學(xué)習(xí)》這本書主要講解了深度學(xué)習(xí)領(lǐng)域當(dāng)前的研究趨勢以及正在發(fā)生的變化。
本書適用人群：
1. 習(xí)慣從理論中學(xué)習(xí)，而不是實踐
2. 喜歡學(xué)術(shù)寫作
3. 本科生、研究生、教授等學(xué)術(shù)界的人員
2、Neural networks and Deep Learning
第二本以理論為主的深度學(xué)習(xí)圖書是 Michael Nielsen 撰寫的《神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)》（Neural networks and Deep Learning）。
本書其實還包含了 7 段由 Python 編寫的代碼，包括各種基本的機(jī)器學(xué)習(xí)算法，神經(jīng)網(wǎng)絡(luò)或深度學(xué)習(xí)技術(shù)，所有都是基于 MNIST 數(shù)據(jù)集上實現(xiàn)的。雖然這些代碼的實現(xiàn)手段可能并不是最好的，但它們可以幫助讀者理解書中的一些理論概念。
如果你對機(jī)器學(xué)習(xí)和深度學(xué)習(xí)不熟悉，但渴望深入了解其理論方法，Nielsen 的書應(yīng)該是你的首選。這本書比 Goodfellow 的《深度學(xué)習(xí)》要更容易閱讀，而 Nielsen 的寫作風(fēng)格加上一些的代碼片段使得知識更容易融會貫通。
本書適用人群：
1. 正在尋找一本基于理論的深度學(xué)習(xí)書籍
2. 機(jī)器學(xué)習(xí)/深度學(xué)習(xí)的新手，但希望從更學(xué)術(shù)的角度來看待這一領(lǐng)域
3、Deep Learning with Python
谷歌 AI 研究員、Keras 的作者 Francois Chollet 在 2017 年 10 月出版了他自己的書 Deep Learning with Python 。
在該書中，F(xiàn)rancois 從一個從業(yè)者的角度來講解深度學(xué)習(xí)方法。書中包括了一些理論知識和相應(yīng)的討論，但是每一段理論都會配合基于 Keras 的實現(xiàn)方式。
這本書我最喜歡的一個地方是 Francois 列舉了將深度學(xué)習(xí)應(yīng)用于計算機(jī)視覺、文本和序列的例子，使這本書為那些希望在了解機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的同時學(xué)習(xí) Keras 的讀者，提供了一個不錯的選擇。
我發(fā)現(xiàn) Francois 的文字清晰易讀，他對深度學(xué)習(xí)趨勢和歷史的評論非常富有洞察力。需要特別指出的是，這本書并不是一本深入深度學(xué)習(xí)的書。相反，它的主要用途是通過 Keras 來教會你深度學(xué)習(xí)基礎(chǔ)和不同領(lǐng)域的深度學(xué)習(xí)實戰(zhàn)案例。
本書適用人群：
1. 對 Keras 感興趣
2. 習(xí)慣通過動手來學(xué)習(xí)
3. 希望快速了解如何將深度學(xué)習(xí)應(yīng)用于各個領(lǐng)域，如計算機(jī)視覺、序列學(xué)習(xí)和文本等
4、Hands-On Machine Learning with Scikit-Learn and TensorFlow
當(dāng)我第一次拿到 Aurélien Géron 的 Hands-On Machine Learning with Scikit-Learn and TensorFlow 這本書時，如果不是標(biāo)題中包含了“TensorFlow”這個詞，我可能僅認(rèn)為它只是關(guān)于機(jī)器學(xué)習(xí)的基本介紹。
幸運的是，這本書其實非常棒，而且是被標(biāo)題耽誤的一本好書。
Géron 的深度學(xué)習(xí)書籍分為兩部分：第一部分介紹支持向量機(jī)（SVM），決策樹，隨機(jī)森林，集成方法和無監(jiān)督學(xué)習(xí)算法等基本機(jī)器學(xué)習(xí)算法，而且還包括了每個算法的 Scikit-learn 代碼示例；第二部分是基于 TensorFlow 庫講解了基本的深度學(xué)習(xí)內(nèi)容。
本書適用人群：
機(jī)器學(xué)習(xí)的新手，并希望從代碼示例來學(xué)習(xí)核心算法
對流行的 scikit-learn 機(jī)器學(xué)習(xí)庫感興趣
想要快速學(xué)習(xí)如何使用 TensorFlow 庫來完成基本的深度學(xué)習(xí)任務(wù)
5、TensorFlow Deep Learning Cookbook
如果你喜歡“食譜”那樣的教學(xué)風(fēng)格（理論少、代碼多），我會建議你看看 Gulli 和 Kapoor 撰寫的 TensorFlow Deep Learning Cookbook 這本書。
這是一本非常具有實用性的深度學(xué)習(xí)手冊，而且對于 TensorFlow 使用者來說也是一個很好的參考。再次說明，這本書并不是要教深度學(xué)習(xí)，而是告訴你如何在深度學(xué)習(xí)的背景下使用 TensorFlow庫。
當(dāng)然，讀完這本書，你一定會學(xué)習(xí)到新的深度學(xué)習(xí)概念、技術(shù)和算法。但是這本書采用了嚴(yán)格的類似于食譜的寫作手法：大量的代碼和相應(yīng)的解釋。
我認(rèn)為這本書的唯一不足之處是代碼片段中存在一些拼寫錯誤。當(dāng)你閱讀這本書時，請注意這一點。
本書適用人群：
1. 已經(jīng)學(xué)習(xí)了深度學(xué)習(xí)的基礎(chǔ)知識
2. 對 TensorFlow 感興趣
3. 喜歡“食譜”這種文風(fēng)，也就是用代碼來解決特定問題，但不討論基礎(chǔ)理論
6、Deep Learning: A Practitioners Approach
雖然大多數(shù)包含代碼示例的深度學(xué)習(xí)書籍都使用 Python，但 Adam Gibson 和 Josh Patterson 撰寫的 Deep Learning：A Practitioners Approach 一書卻使用 Java 和 DL4J 庫。
為什么選擇 Java?
Java 是大型企業(yè)中最常用的編程語言，特別是在企業(yè)級的應(yīng)用上。
Gibson 和 Patterson 在前幾章討論了基本的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)基礎(chǔ)知識，剩下的部分包括了使用 DL4J 庫，基于 Java 的深度學(xué)習(xí)代碼示例。
本書適用人群：
1. 需要使用 Java 編程語言來進(jìn)行特定的開發(fā)
2. 為主要使用 Java 的大型公司或企業(yè)工作
3. 想了解如何使用 DL4J 庫
7、Deep Learning for Computer Vision with Python
這本書已經(jīng)成為當(dāng)今最好的深度學(xué)習(xí)和計算機(jī)視覺資源之一。谷歌AI的研究員、Keras 的作者 Francois Chollet 對這本新書是這樣評價的：
“這本書在計算機(jī)視覺深度學(xué)習(xí)實踐方面講解得非常深入，而且讀起來也通俗易懂：講解不僅清晰而且非常詳細(xì)。你會發(fā)現(xiàn)許多實用的技巧和建議，這些在其他書籍或大學(xué)課程中都很少提到。無論你是從業(yè)人員還是初學(xué)者，我強(qiáng)烈推薦這本書�！� Francois Chollet”
這本書里面有很多的細(xì)節(jié)講解，并有大量的詳細(xì)例子，涵蓋了各種方法與如何在實際問題使用這些方法來解決問題。
如果你有興趣學(xué)習(xí)深度學(xué)習(xí)在計算機(jī)視覺上的應(yīng)用（圖像分類、物體檢測、圖像理解等），那么這本書將非常適合你。
在這本書里面，你會：
理論和實踐相結(jié)合的方式來學(xué)習(xí)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的基礎(chǔ)；
學(xué)習(xí)先進(jìn)的深度學(xué)習(xí)技術(shù)，包括對象檢測，多GPU訓(xùn)練，遷移學(xué)習(xí)和生成對抗網(wǎng)絡(luò)（GAN）等；
復(fù)現(xiàn) ResNet、SqueezeNet、VGGNet 等在 ImageNet 數(shù)據(jù)集上的結(jié)果；
此外，對于每個理論深度學(xué)習(xí)概念，你都可以在這本書中找到相關(guān)的 Python實 現(xiàn)來幫助您鞏固知識。
本書適用人群：
1. 對深度學(xué)習(xí)在計算機(jī)視覺和圖像理解方面的應(yīng)用特別有興趣
2. 想在理論和實踐之間取得很好的平衡需要一本深度學(xué)習(xí)書籍，使得看似復(fù)雜的算法和技巧易于掌握和理解
3. 需要一本清晰易懂的書，引導(dǎo)你掌握深度學(xué)習(xí)
