市面上關(guān)于深度學(xué)習(xí)的書籍很多，本書最大的特點是理論結(jié)合實戰(zhàn)和內(nèi)容的廣度。現(xiàn)在大家能夠看到的深度學(xué)習(xí)書籍大概可以分為兩類，一類只關(guān)注理論而另一類只關(guān)注應(yīng)用。前者多為一些會議論文集，當(dāng)然也包括 Ian Goodfellow 和 Yoshua Bengio 等人的 Deep Learning。這類書籍的讀者是專業(yè)的研究者和相關(guān)專業(yè)的學(xué)生，它更多的是關(guān)注基礎(chǔ)理論和最新的前沿進展。這類書籍通常比較難懂，而且讀完之后仍然不知道怎么動手解決問題。

而另外一類書籍更關(guān)注應(yīng)用，多為框架工具的介紹，偶爾提及一些理論也是點到而止，在讀者看來各種算法只是一個黑盒子，雖然能跑起來，但是知其然不知其所以然，不知道怎么調(diào)優(yōu)，碰到問題時更加不知道怎么解決。

本書的目標(biāo)是使用通俗易懂的語言來介紹基礎(chǔ)理論和最新的進展，同時也介紹代碼的實現(xiàn)。通過理論與實踐的結(jié)合使讀者更加深入的理解理論知識，同時也把理論知識用于指導(dǎo)實踐。因此本書的一大特點就是每介紹完一個模型都會介紹它的實現(xiàn)，讀者閱讀完一個模型的介紹之后就可以運行、閱讀和修改一下這些代碼，從而可以更加深刻的理解理論知識。

本書第二個比較大的特點就是內(nèi)容的廣度，本書覆蓋聽覺、視覺、語言和強化學(xué)習(xí)四大領(lǐng)域。從章節(jié)的命名讀者也可以看到作者的”野心”，本書覆蓋了深度學(xué)習(xí)的大部分常見應(yīng)用方向。市面上的書大部分只介紹視覺和語言的內(nèi)容，而且一般也只限于 CNN 用于簡單的圖像分類或者 RNN、seq2seq 模型在 NLP 中的應(yīng)用。

本書的視覺部分除了介紹 CNN 以及最新的 ResNet 和 Inception 模型之外，還介紹了用于目標(biāo)檢測的 R-CNN、Fast R-CNN、Faster R-CNN 模型；用于實例分割的 Mask R-CNN 模型；用于人臉識別的 FaceNet；還包括 Neural Style Transfer 和 GAN（包括 DCGAN 和 Cycle GAN）。

語言部分除了很多書都有的 RNN/LSTM/GRU 等基礎(chǔ)模型，用于機器翻譯、chatbot 的 seq2seq 模型和 Attention 機制之外還包括最新的 ELMo、OpenAI GPT 和 BERT 等模型，此外本書還介紹了 NLP 的很多經(jīng)典任務(wù)，包括語言模型、詞性標(biāo)注、成分句法分析、依存句法分析和機器翻譯。除了介紹深度學(xué)習(xí)的解決方案之外也會介紹傳統(tǒng)的基于統(tǒng)計機器學(xué)習(xí)的方法，讓讀者能夠了解這個領(lǐng)域的發(fā)展過程。

而聽覺和強化學(xué)習(xí)是目前市面上大部分書都很少提及的內(nèi)容。大家都知道?2012?年?AlexNet?在視覺領(lǐng)域的突破，但是深度學(xué)習(xí)最早的突破其實發(fā)生在語音識別方向。本書會詳細介紹經(jīng)典的基于?HMM-GMM?的語音識別系統(tǒng)，包括基于?WFST?的解碼器和?Kaldi?的用法。接著會介紹?HMM-DNN?系統(tǒng)，然后到最新的?End-to-End?的語音識別系統(tǒng)，主要會介紹?CTC?模型，包括?CTC?用于驗證碼識別的示例和?DeepSpeech?系統(tǒng)。最后會介紹使用?CNN?實現(xiàn)簡單的語音關(guān)鍵詞識別，這個簡單的例子在智能設(shè)備上會非常有用。

國內(nèi)關(guān)于強化學(xué)習(xí)的書籍不多，因此本書首先用一章的篇幅介紹強化學(xué)習(xí)的基本概念，包括?MDP、動態(tài)規(guī)劃、蒙特卡羅方法、TD?學(xué)習(xí)和?Policy Gradient。接著會介紹?DQN、基于深度學(xué)習(xí)的?Policy Gradient?算法，最后是介紹?AlphaGo、AlphaGo Zero?和?Alpha Zero?算法。

由于涉及的內(nèi)容很廣，再加上作者比較啰嗦的寫作方式，所以幾年下來寫的內(nèi)容竟然上千頁。出版社的編輯說書太厚這沒法出版。因此把這本書拆分成了兩本：《深度學(xué)習(xí)理論與實戰(zhàn)：基礎(chǔ)篇》和《深度學(xué)習(xí)理論與實戰(zhàn)：提高篇》。提高篇免費開放，供大家參考，希望對大家的工作有所幫助。如果讀者在閱讀提高篇有一些困難，那么建議讀者可以上網(wǎng)（https://item.jd.com/12543405.html）購買基礎(chǔ)篇，先學(xué)習(xí)需要的基礎(chǔ)知識。

《深度學(xué)習(xí)理論與實戰(zhàn)：基礎(chǔ)篇》共包含 8 章，每章的主要內(nèi)容如下：

第 1 章介紹人工智能的發(fā)展歷程和機器學(xué)習(xí)的基本概念，使用通俗的語言介紹機器學(xué)習(xí)任務(wù)的分類、常見模型、損失函數(shù)和衡量指標(biāo)，最后通過一個簡單的線性回歸示例來加深對這些概念的理解。

第 2 章介紹全連接神經(jīng)網(wǎng)絡(luò)的基本概念和反向傳播算法的詳細推導(dǎo)過程，不使用框架完全自己實現(xiàn)一個多層的神經(jīng)網(wǎng)絡(luò)來識別 MNIST 的手寫數(shù)字。接下來介紹基本的優(yōu)化技巧，包括激活函數(shù)的選擇、參數(shù)的初始化、Dropout、BatchNormalization 和 Adam等學(xué)習(xí)率自適應(yīng)算法。

第 3 章介紹卷積神經(jīng)網(wǎng)絡(luò)，使用卷積神經(jīng)網(wǎng)絡(luò)來解決 MNIST 和 CIFAR-10數(shù)據(jù)集的識別問題，通過 CIFAR-10 的例子介紹怎么在 TensorFlow 里使用多 GPU 訓(xùn)練，最后介紹殘差神經(jīng)網(wǎng)絡(luò)。

第 4 章介紹循環(huán)神經(jīng)網(wǎng)絡(luò)，使用它來實現(xiàn)姓名分類及生成莎士比亞風(fēng)格的句子，接著會介紹 Seq2Seq 模型和注意力機制，使用它們來實現(xiàn)英語—法語、漢語—英語的機器翻譯功能。

第 5 章介紹生成對抗網(wǎng)絡(luò)，介紹對抗訓(xùn)練的基本原理和 DCGAN 模型，最后使用? DCGAN 來實現(xiàn)人臉照片的生成。

第 6 章介紹 TensorFlow，首先介紹基本概念、優(yōu)化器和數(shù)據(jù)輸入輸出等，然后介紹全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)等常見網(wǎng)絡(luò)結(jié)構(gòu)。因為 RNN 的復(fù)雜性，我們單獨使用一節(jié)來詳細介紹怎么在 TensorFlow 使用 RNN、LSTM 和 GRU。接著介紹高層的 Estimator API 和 TensorBoard，以及怎么調(diào)試 TensorFlow 代碼。最后介紹模型的保存和 TensorFlowServing。

第 7 章介紹 PyTorch，通過使用不同的方法來實現(xiàn)三層的神經(jīng)網(wǎng)絡(luò)來重點介紹 Autograd，包括數(shù)據(jù)的加載和處理，最后是一個遷移學(xué)習(xí)的示例。

第 8 章介紹 Keras，包括卷積神經(jīng)網(wǎng)絡(luò)、殘差神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)在 Keras 里的用法，最后通過簡短的代碼示例來演示怎么實現(xiàn)文本圖片的分類、圖片問答和視頻問答。

《深度學(xué)習(xí)理論與實戰(zhàn)：基礎(chǔ)篇》配套的源代碼網(wǎng)站為：

https://github.com/fancyerii/deep_learning_theory_and_practice

里面包含全部可以運行的代碼，如果大家發(fā)現(xiàn)代碼有問題也歡迎在這里提交 issue。

?

看到那么多干貨內(nèi)容

是不是迫不及待想要一睹為快？

小編這就為你奉上獨家贈書福利！

轉(zhuǎn)發(fā)本文到朋友圈

將截圖發(fā)送至公眾號后臺

并在文末留言區(qū)說出

你對這本新書有哪些期待

我們將隨機抽取 5 位讀者

送出這本干貨滿滿的新書

留言截止時間：7?月 24?日 12:00

?

現(xiàn)在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關(guān)注」訂閱我們的專欄吧

關(guān)于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學(xué)術(shù)平臺。如果你研究或從事 AI 領(lǐng)域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

▽ 點擊 |?閱讀原文?|?一鍵購書

總結(jié)

以上是生活随笔為你收集整理的赠书福利 | 首本理论和实战结合的深度学习书籍的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。