【IT168 资讯】为大家推荐六本深度学习读物。
1. 搭建你自己的神经网络(Make Your Own Neural Network)
神经网络是深度学习和人工智能的关键元素。然而,几乎很少有人真正了解神经网络如何运作。本书从非常简单的思想开始,一步步让你了解神经网络的数学原理并用 Python 搭建自己的神经网络。让你在趣味和从容不迫中,逐渐了解神经网络的运作原理。
2. 一天搞懂深度学习
台大教授李宏毅讲解一天搞懂深度学习讲课的PPT,PPT主要包含四部分:什么是深度学习、深度学习的各种小技巧、有记忆力的深度学习模型、深度学习的应用和展望。内容系统而且通俗易懂。
3 .TensorFlow实战
说起深度学习,不得不提Tensorflow,关于这个最热的平台,推荐这本入门书。用简单易懂的语言带领大家探索TensorFlow(基于1.0版本API)。在《TensorFlow实战》中我们讲述了TensorFlow的基础原理,TF和其他框架的异同。并用具体的代码完整地实现了各种类型的深度神经网络:AutoEncoder、MLP、CNN(AlexNet,VGGNet,Inception Net,ResNet)、Word2Vec、RNN(LSTM,Bi-RNN)、Deep Reinforcement Learning(Policy Network、Value Network)。此外,《TensorFlow实战》还讲解了TensorBoard、多GPU并行、分布式并行、TF.Learn和其他TF.Contrib组件。
4. 深度学习:实践方法(Deep Learning: A Practitioner's Approach)
这本书是面向深度学习初学者的,如果您已经有一些深度学习的基本知识并想进一步深入研究如何用Java实现深度学习,请直接跳过前面的例子。但是如果您没什么深度学习的经验,Java也没那么熟悉,那么这本书值得反复研读。该书主要使用Java的深度学习框架DL4J。目前AI领域的研究大多数使用Python语言实现,随着越来越多企业涌入机器学习领域,可能Java的使用率会逐渐上升。第4章:出色的深度学习架构,提供了一个可以解决现实应用中架构问题的关键方法。
5. 深度学习(Deep Learning)
文中提供数学和学科概念背景知识,其涵盖了线性代数、概率论和信息论、数值计算和机器学习等相关的背景知识。内容像题目一样言简意赅,阐述了行业从业者使用的深度学习技术,包含了深度前馈网络,正则化,优化算法,卷积网络,序列建模和实用性方法等。同时它对深度学习实际应用如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学和视频游戏也做了一个详尽的调查分析。
6. Python深度学习(Deep Learning with Python)
本书作者Francois Chollet,是Keras框架的构建者。正如Chollet在编写Keras框架时一样,神奇地将复杂概念简单化,文中措词巧妙,可读性强。即使是AI和深度学习中最有挑战性的概念,同样也解释的通俗易懂。书中有大量的优秀实例,大家可以在他的Github上查看代码。