我认为有了 python 编程基础和神经网络的基础, 应该把斋藤康毅 所讲的《深度学习入门 python 的理论与实现》作为理论基础入门, 然后把何之源所写的《21 个项目玩转深度学习基于 TensorFlow 的实践详解》作为实践学习.
《深度学习入门基于 Python 的理论与实现》应该属于深度学习真正意义上的入门书.
《深度学习入门基于 Python 的理论与实现》中文 PDF,314 页, 带书签目录, 文字可以复制; 配套源代码.
下载: https://pan.baidu.com/s/1TaTZzete0hY8mK_jSqFsww
我从中不仅学习了深度学习和神经网络的概念, 特征等基础知识, 对误差反向传播法, 卷积神经网络等也有深入了解, 此 外还知道了深度学习相关的实用技巧, 自动驾驶, 图像生成, 强化学习等方面的应用, 以及为什么加深层可以提高识别精度 等 "为什么" 的问题.
《深度学习入门基于 Python 的理论与实现》深入浅出地剖析了深度学习的原理和相关技术, 从基本的数学知识出发, 从零创建一个经典的深度学习网络.
我认为, 第 7 章讲的最好, 解决了我的疑惑, 卷积神经网络中的卷积层和池化层的实现, 终于学会了 CNN 的实现.
有了基本理论, 下一步我认为应该基于 TensorFlow 框架进行实践, 自认为可以选择学习《21 个项目玩转深度学习基于 TensorFlow 的实践详解》
《21 个项目玩转深度学习: 基于 TensorFlow 的实践详解》PDF,378 页, 有书签目录, 文字可以复制; 附有源代码.
下载: https://pan.baidu.com/s/1NYYpsxbWBvMn9U7jvj6XSw
通过两个月的学习, 测试了《21 个项目玩转深度学习: 基于 TensorFlow 的实践详解》中的 16 个项目, 对图像识别, 目标检测和人脸识别, 风格迁移, 图像和文本, 训练机器玩游戏. 都进行了实际测试.
下一步需要进一步学习 RNN 网络和深度强化学习.
我在自己动手实践的过程中找到学习的乐趣, 了解算法和编程框架的细节, 应用 TensorFlow 也变得熟练了.
通过对深度学习入门和 21 个项目的学习, 完成了从理论到实践的跨越, 提升了自己.
也推荐大家学习一下猿辅导团队所写的《深度学习核心技术与实践》, 也是理论到实践的学习.
《深度学习核心技术与实践》PDF,530 页, 带书签目录, 文字可以复制; 配套代码和资源链接.
下载: https://pan.baidu.com/s/1EW7HUQVEasu2joovH2m61Q
深度学习核心技术与实践 主要介绍深度学习的核心算法, 以及在计算机视觉, 语音识别, 自然语言处理中的相关应用. 可以提升深度学习知识水平!
来源: http://www.bubuko.com/infodetail-3005726.html