學深度學習已經可以有這麼多選擇，是時候出份書單了
本文轉載自：//zhuanlan.zhihu.com/p/101713729
之前給大家推薦過多次Python書單，今天打算給大家推薦一份深度學習的書單，剛剛看了一下，不知不覺已經有這麼多深度學習書出版了。
深度學習實戰手冊 R語言版
作者： [印度]普拉卡什（Prakash） ,阿丘圖尼·斯里·克里希納·拉奧（Achyutuni Sri Krishna Rao）
譯者： 王洋洋
-
深度學習與R語言強強聯手
-
使用TensorFlow、H2O和MXNet解決複雜的神經網絡問題
-
全彩印刷，在異步社區免費下載源代碼和彩圖文件
本書將深度學習和R語言兩者結合起來，幫助你解決深度學習實戰中所遇到的各種問題，並且教會你掌握深度學習、神經網絡和機器學習的高級技巧。本書從R語言中的各種深度學習軟件包和軟件庫入手，帶領你學習複雜的深度學習算法。首先，從構建各種神經網絡模型開始，而後逐步過渡到深度學習在文本挖掘和信號處理中的應用，同時還比較了CPU和GPU的性能。
深度學習與飛槳PaddlePaddle Fluid實戰
作者： 於祥
-
百度飛槳PaddlePaddle技術人員深度解析
-
涵蓋飛槳設計思想與核心技術、解析飛槳移動端底層技術
-
詳解8種CV、NLP的工業級經典案例，提供源碼下載資源深度學習
本書基於*新的飛槳PaddlePaddle Fluid版本，以真實的應用案例介紹如何用飛槳PaddlePaddle解決主流的深度學習問題。全書共14章。本書首先介紹了什麼是飛槳PaddlePaddle，然後介紹了其核心設計思想，進而緊緊結合案例介紹了飛槳PaddlePaddle在主流的圖像任務領域、NLP領域的應用，*後還探討了Paddle-Mobile與Anakin框架等高級主題。附錄A和B給出了飛槳PaddlePaddle與TensorFlow、Caffe框架的接口中常用層的對比。
本書非常適合對人工智能感興趣的學生、從事機器學習相關工作的讀者閱讀，尤其適合想要通過飛槳PaddlePaddle掌握深度學習應用技術的研究者和從業者參考。
深度學習
作者： 【美】Ian Goodfellow（伊恩·古德費洛） 【加】Yoshua Bengio（約書亞·本吉奧） 【加】Aaron Courville（亞倫·庫維爾）
譯者： 趙申劍 ,黎彧君 ,李凱 ,符天凡
-
AI聖經
-
deeplearning中文版2018年圖靈獎獲獎者作品，業內人稱「花書」
-
人工智能機器學習深度學習領域奠基性經典暢銷書
本書囊括了數學及相關概念的背景知識，包括線性代數、概率論、信息論、數值優化以及機器學習中的相關內容。同時，它還介紹了工業界中實踐者用到的深度學習技術，包括深度前饋網絡、正則化、優化算法、卷積網絡、序列建模和實踐方法等，並且調研了諸如自然語言處理、語音識別、計算機視覺、在線推薦系統、生物信息學以及視頻遊戲方面的應用。最後，本書還提供了一些研究方向，涵蓋的理論主題包括線性因子模型、自編碼器、表示學習、結構化概率模型、蒙特卡羅方法、配分函數、近似推斷以及深度生成模型。
動手學深度學習
作者： 阿斯頓·張（Aston Zhang） 李沐（Mu Li） [美] 扎卡里·C. 立頓（Zachary C. Lipton） [德] 亞歷山大·J. 斯莫拉（Alexander J. Smola）
目前市面上有關深度學習介紹的書籍大多可分兩類，一類側重方法介紹，另一類側重實踐和深度學習工具的介紹。本書同時覆蓋方法和實踐。本書不僅從數學的角度闡述深度學習的技術與應用，還包含可運行的代碼，為讀者展示如何在實際中解決問題。為了給讀者提供一種交互式的學習體驗，本書不但提供免費的教學視頻和討論區，而且提供可運行的Jupyter記事本文件，充分利用Jupyter記事本能將文字、代碼、公式和圖像統一起來的優勢。這樣不僅直接將數學公式對應成實際代碼，而且可以修改代碼、觀察結果並及時獲取經驗，從而帶給讀者全新的、交互式的深度學習的學習體驗。
本書面向希望了解深度學習，特別是對實際使用深度學習感興趣的大學生、工程師和研究人員。本書不要求讀者有任何深度學習或者機器學習的背景知識，讀者只需具備基本的數學和編程知識，如基礎的線性代數、微分、概率及Python編程知識。本書的附錄中提供了書中涉及的主要數學知識，供讀者參考。
PyTorch深度學習
作者： [印度]毗濕奴•布拉馬尼亞(Vishnu Subramanian)
譯者： 王海玲 ,劉江峰
本書對當今前沿的深度學習庫PyTorch進行了講解。憑藉其易學習性、高效性以及與Python開發的天然親近性，PyTorch獲得了深度學習研究人員以及數據科學家們的關注。本書從PyTorch的安裝講起，然後介紹了為現代深度學習提供驅動力的多個基礎模塊，還介紹了使用CNN、RNN、LSTM以及其他網絡模型解決問題的方法。本書對多個先進的深度學習架構的概念（比如ResNet、DenseNet、Inception和Seq2Seq）進行了闡述，但沒有深挖其背後的數學細節。與GPU計算相關的知識、使用PyTorch訓練模型的方法，以及用來生成文本和圖像的複雜神經網絡（如生成網絡），也在本書中有所涵蓋。
學完本書後，讀者可以使用PyTorch輕鬆開發深度學習應用程序。
深度學習案例精粹
作者： Ahmed Menshawy
譯者： 洪志偉 ,曹檑 ,廖釗坡
-
Python深度學習機器學習教程
-
機器學習實戰，Tensorflow實戰教程
-
Tensorflow自然語言處理，Python從入門到實踐
本書主要講述了深度學習中的重要概念和技術，並展示了如何使用TensorFlow實現高級機器學習算法和神經網絡。本書首先介紹了數據科學和機器學習中的基本概念，然後講述如何使用TensorFlow訓練深度學習模型，以及如何通過訓練深度前饋神經網絡對數字進行分類，如何通過深度學習架構解決計算機視覺、語言處理、語義分析等方面的實際問題，最後討論了高級的深度學習模型，如生成對抗網絡及其應用。
Keras深度學習實戰
作者： [意大利]安東尼奧·古利(Antonio Gulli) [印度]蘇伊特·帕爾(Sujit Pal）
譯者： 王海玲 ,李昉
-
人工智能深度學習教程,Keras快速上手
-
基於Keras的Python實踐
-
Keras深度學習實踐應用,提升AI編程能力
本書結合大量實例，簡明扼要地介紹了目前熱門的神經網絡技術和深度學習技術。從經典的多層感知機到用於圖像處理的深度卷積網絡，從處理序列化數據的循環網絡到偽造仿真數據的生成對抗網絡，從詞嵌入到AI遊戲應用中的強化學習，本書帶領讀者一層一層揭開深度學習的面紗，並在逐漸清晰的理論框架下，提供多個Python編碼實例，方便讀者動手實踐。
