多种网盘链接检测插件 购买前，请先检测网盘链接是否有效
《深入浅出深度学习：原理剖析与Python实践》_1
《深入浅出深度学习：原理剖析与Python实践》_2
《深入浅出深度学习：原理剖析与Python实践》_3
内容简介：
内容简介
本书介绍了深度学习相关的原理与应用,全书共分为三大部分,第一部分主要回顾了深度
学习的发展历史,以及 Theano的使用:第二部分详细讲解了与深度学习相关的基础知识,包
括线性代数、概率
部分中,针对若干核心的
深度学习模型,如自编码器、受限玻尔茲曼机、通归神经网络和卷积神经网络等进行详细的原
理分析与讲解,并针对不同的模型给出相应的具体应用
本书适合有一定高等数学、机器学习和 Python编程基础的在校学生、高校研究者或在企业
中从事深度学习的工程师使用,书中对模型的原理与难点进行了深入分析,在每一章的最后都
提供了详细的参考文献,读者可以对相关的细节进行更深入的研究。最后,理论与实践相结合
本书针对常用的模型分别给出了相应的应用,读者也可以在 Github中下载和查看本书的代码
https:/github.com/innovation-catdeeplearningbook
未经许可,不得以任何方式复制或抄袭本书之部分或全部内容
版权所有,侵权必究
图书在版编目(CIP)数据
深入浅出深度学习:原理剖析与 Python实践/黄安埠著,一北京:电子工业出版社,20126
ISBN978-7-121-31270-0
1.①深….①黄…m.①软件工具一程序设计V.TP31.61
中guo版本图书馆CIP数据核字(2017)第070055号
责任编辑:徐津平
印剧刷:三河市华成印务有限公司
装订:三河市华成印务有限公司
出版发行:电子工业出版社
北京市海淀区万寿路173信箱邮编10006
开本:720x10001/16印张:225字数:401干字
版次:2017年6月第1版
印次:3000
定价:79.00元
凡所购买电子工业出版社图书有缺损问题,请向购买书店调换。若书店售缺,请与本社发
行部联系,联系及郎购电话 010)88254888,8825888
质量投诉请发邮件至zlts(aphei.com.cm,盗版侵权举报请发郎件至dbq(@phei.com.cn
本书咨询联系方式:010-5126088-819,faq(@phei.com.cn
推荐序
介绍深度学习的书籍不少,但是《深入浅出深度学习:原理剖析与 Python实践》
与其他同类书相比,视角明显不同。如果要给本书写个宣传语,或许可以是“深度学
う工程师速成培训教材”。本书对读者的知识结构有两点要求:一是学过高等数学
二是熟悉 Python编程。换而言之,各个专业的理工科学生,尤其是学过 Python编
程的,都是此书的目标读者
本书内容全面,但是取舍明确,有重点地深入,尤其对于技术的重点难点解释得
很详细,深入浅出
本书最大的特色就在于内容取舍的尺度非常明确一一着重于原理的解释和动手
实践的路径,但是并不拘泥于细枝末节
胸中有经纬,就不会迷失在细节的汪洋大海。本书刚好侧重于对经纬的硫理。此
处的经纬,一类是数学基础知识,另一类是深度学习技术。与深度学习相关的数学知
识包括线性代数、概率统计等。因为概率图与深度学习结合较多,本书把“概率图”
作为单独的一章重点讲述。深度学习技术包括机器学习的传统技术、用于训练神经网
络的梯度下降等算法。本书重点讲述了神经网络的基本算法以及几种常用的深度网络
工程师,重在实践。工欲善其事必先利其器,实践深度学习,离不开深度学习工
具。本书介绍了 Theano工具集的基本用法。其实深度学习工具,一通百通,各种工
具的区别,类似于北京口音与东北口音的区别
认真读完此书,读者应该拥有三项能力:一是读得懂深度学习的论文;二是读得
深入浅出深度学习:原理剖析与 Python实践
懂深度学习的代码;三是能够自行开发简单的深度学习应用
总结一下,在深度学习技术异常火爆,深度学习工程师奇缺的当下,如何快速培
养深度学习方向的工程师,是一个迫切的问題。此书是难得的好教材
邓侃博士
邓倪,美guo卡内基梅隆大学(CMU)计算机学院博土,专攻人工智能和数据挖据
历任美guo甲骨文( Oracle)主任系统架构师,美guo泰为手机导航公司( Telenav)北京
分公司总经理,百度网 页搜索高级总监。2015年至今创建北京大数医达科技有限公司
专注于研发医疗大数据和人工智能医生,出任CTO。
推荐序2
在过去的这十年,深度学习已经席卷了整个科技界和工业界,2016年谷歌阿尔法
狗打敗围棋世界冠军Li世石,更是使其成为备受瞩目的技术焦点。记得2010年7月
我参与了 Facebook人脸识别( Face Detection)工作,那时候深度学习还没有普及
这个系统是当时世界上最大的实时人脸识别系统,每天都有几千万张脸被找出来。随
着硬件的成熟和数据的指数级增加,深度学习在很多问题上成为人工智能最火和最有
效的方法。
这几年,我身边越来越多的计算机从业者,甚至在校大学生向我咨询,有效了解
和学习这个当前人工智能最热门的领域的方法。没错、一方面深度学习很热门,人人都
满了好奇和向往,但是同时,它对于初学者往往挑战也不小,因为需要一定的数
同时各种专业术语,如果不用深入浅出的方式讲,很容易让人产生畏难情绪
所以我推荐黄安埠的这本《深入浅出深度学习:原理剖析与 Python实践》给所有
对深度学习有兴趣的朋友们,本书涵盖了深度学习的理论以及各种常见的深度学习模
型,你们会在这本书中找到关于深度学习最实用的知识和信息。对于初学者来说,这
是一本非常通俗易懂的入门教材
同时我也推荐该书给深度学习领域的开发者和数据科学家,因为作者也分享和总
结了许多深度学习的最佳实践法,并辅以相当多的实际应用案例加以诠释,是一本值
得借鉴参考的好
前 Twitter总监,前 Facebook经理和早期工程师
What magical trick makes us intelligent? The trick is that there is no trick. The power of
intelligence stems from our vast diversity, not from any single, perfect principle.
智能( Intelligence)这个词的出现最早可以追湖到古希腊时期,当时人们已经开
始梦想能创造出一种像人类一样,具有独立思考和推理能力的机器,但由于受到当时
生产力水平的制约,古人对“智能”的研究更多的是停留在理论探索阶段。到了近代
尤其是具有划时代意义的达特茅斯会议的召开,标志着人工智能开始从理论探索进人
到理论与应用相结合的实践阶段。从20世纪50年(违禁词语-已隐藏)始,人工智能的发展大致经历了
个阶段,分别从最初的逻辑推理,到统计机器学习,再到近年来逐渐占据主流地位
的深度学习
虽然深度学习是一门以神经网络为核心的学科,但人们普遍认为深度学习始于
2006年,当时 Hinton等人提出基于深度置信网络(DBN)逐层预训练的方法来训练深
层模型,并首次提出了深度学习的概念。此后,深度学习开始进入人们的视野,但那
时候深度学习更多的是少数顶尖科学家研究的领域,并没有得到大规模的应用和推广
直到2012年, Hinton和他的两个学生 Alex Krizhevsky、 llya Sutskever,将卷积神经
网络应用到 magenet竞赛中,并取得了分类错误率15?成绩,这个成绩比第二名低
了近11个百分点,这一历史性的突破,使得人们开始意识到深度学习所拥有的巨大潜
力,在这之后,深度学习开始在工业界,尤其是计算机视觉、语音识别和自然语言处
理等领域,大规模应用,并且取得了比以往更好的效果。到了2016年,随着 Alphago的
横空出世,它的惊人表现将深度学习的热度推向了顶峰,因此2016年也被很多学者认
|
|
