深度学习的入门书籍推荐?
有没有深度学习的入门书籍推荐一下，或者说比较系统的资料吗？谢谢诸位了
关注者
268
被浏览
559,839
42 个回答
看了深度学习的百科资料，深度学习是属于人工智能学科的。
深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。
深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。
以上资料来源于某百科，根据这个资料我搜集一些比较适合的入门书籍：
1、《Deep Learning》
本书由全球知名的三位专家Ian Goodfellow、Yoshua Bengio和Aaron Courville撰写，是深度学习领域奠基性的经典教材。
全书的内容包括3个部分：
第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；
第2部分系统深入地讲解现今已成熟的深度学习方法和技术；
第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。
如果你是一个有抱负的学生想要掌握深度学习并且深入研究，这本书会对你有所帮助。这本书可能是目前关于深度学习最全面的书。
2、《深度学习入门》
本书的目的是从一开始就解释深度学习，该技术从最近开始就取得了巨大成就并广为人知，而无需尽可能地依赖现有的框架（如库）。
就像原名“Deep Learning from Scratch”这个名字所暗示的那样，本书的功能在于它不依赖库就逐步说明了每个过程的内容。
即使您从未接触过Python或不了解AI，也可以从头开始了解深度学习的机制。
3、《图解深度学习》
是为了使初学者、将要开始挑战深度学习研究的大学生和研究生，以及企业的研究开发人员入门深度学习而作。
它涵盖136 张图 + 60 段代码，全彩印刷，浓缩了深度学习中的关键知识点。
深度学习对于数学基础要求是比较高的，如果是本硕背景，只要对于人工智能、IT行业有一定了解，入门还是比较容易的；但若是非科班、没什么基础的人想转AI行业，可能就比较困难了。
看到很多计算机领域的大V在本问题下推荐本社的“花书”《深度学习》和《动手学深度学习》，人邮君深感荣幸。《深度学习》和《动手学深度学习》这两本书自从问世之后，便成为了读者追捧的书中“常青树”，在豆瓣分别取得了8.3分和9.3分的好评，国内外AI圈的技术人都鼎力推荐。
而现在，《动手学深度学习》这本深度学习领域重磅教程迎来了全面更新，全新推出PyTorch实现版本—— 《动手学深度学习（PyTorch版）》 ， 这本书重新修订《动手学深度学习》的所有内容，并针对技术的发展，新增注意力机制、预训练等内容，旨在向读者交付更为便捷的有关深度学习的交互式学习体验 ，可能是最优秀的深度学习入门书之一。
PyTorch版 更新原因
《动手学深度学习》大红之后，作者之一李沐（网友们亲切地称他为 “沐神”） 没有因此懈怠。他希望能像迭代更新代码一样更新内容，让书中的内容始终贴合读者最新需求。在和学习者们互动中，他发现：不少作者 希望能提供更“实用”的代码 ，因为开源项目大部分都采用 TF或PyTorch 编写，书中代码却用的是Gluon。
为了让读者更好地 “动手学” ，他决定再给本书加 点料、升升级 。于是，这本 《动手学深度学习（PyTorch版）》 应运而生。
如果对PyTorch版书籍的更新过程感兴趣，读者朋友们可以看看沐神的知乎文章，他对于这一过程有比较详细的介绍：
基于第一版的全面更新
一切从读者出发，李沐的这种理念贯穿了 《动手学深度学习（PyTorch版）》 整本书。
在 内容设计 上，完全从零开始教授深度学习，不仅阐述了深度学习的技术与应用，还介绍如何解决实际问题；
讲解风格 上，几乎列举的都是生活中的常见案例，并且尽可能细致地、用通俗易懂的语言讲解技术原理，降低了理解门槛；
实践意义 上，能够做到书名中所提的“动手学”，包含可运行的代码，带给读者全新的、多方位交互式的深度学习的学习体验。
与原版书一样，全书仍分为三大部分：
- 第一部分（第 1 章～第 4 章）包括基础知识和预备知识
- 第二部分（第 5 章～第 10 章）集中讨论现代深度学习技术
- 第三部分（第 11 章～第 15 章）讨论可伸缩性、效率和应用程序
随着技术的发展，教程也有所精进。这一版书中还新增了注意力机制、预训练等内容，代码也更加实用，基本都转化为了PyTorch，均在最新版本的PyTorch下通过了测试。如同原书一样，也是用Jupyter Notebook写的，以便更好地展示代码与文字解释。
我们可以通过下面的案例看到原版代码和PyTorch版之间的区别。
另外为了充分保证读者能够动手学，本书的创作团队采用了立体化学习的方式提升了学习体验：
- 图书配套网站
- 图书配套源码
- 在线运行源码
- 获取教学PPT
- 图书配套解读视频&习题
- 社区答疑与讨论
本书收获的评价
本书使用的注意事项
阅读本书需要读者了解基本的Python编程知识，以及本书预备知识中描述的线性代数、微分和概率等基础知识。
新书首发期间下单立享折扣：
推荐阅读
========
赠人玫瑰，手留余香，不要忘记点赞、收藏、关注 @人民邮电出版社 哦！
一键三连，感恩有你~