往期回顧
[計算機視覺] 入門學習資料
Python Numpy學習教程（一）Python篇
[計算機論文速遞] 2018-03-23
在今天的文章中，我將與您分享我遇到的7本最好的深度學習書籍（無特定順序），並親自推薦您閱讀。
這些深度學習書籍中有些是非常理論化的，主要關注神經網絡和深度學習背後的數學和相關假設；有些深度學習書籍完全實用，通過代碼而不是理論教授。
甚至其他深度學習書籍跨越界限，給你一個夯實的理論，同時讓你不斷的實戰來學習（這些往往是我最喜歡的深度學習書籍）。
對於每本深度學習書籍，我將討論所涵蓋的核心概念，目標受衆以及本書是否適合您。
要發現學習深度學習的7本最好的書，請繼續閱讀！
你現在應該閱讀的7本最好的深度學習書籍
在您選擇一本深度學習書籍之前，最好先評估您自己的個人學習風格，以確保您充分利用本書。
首先問自己以下問題：
我如何最好地學習？我喜歡從理論課本中學習嗎？或者我喜歡從代碼片段和實現中學習嗎？每個人都有自己的個人學習風格，你的答案將決定你應該閱讀哪本深度學習書。
對我個人而言，我喜歡在兩者之間取得平衡。
深度學習的書籍完全是理論性的，過於抽象化，使得我的眼睛很容易被忽視。
但另一方面，如果一本深度學習書完全跳過理論並直接跳入實現階段，我知道我錯過了可能幫助我接近一個新的深度學習問題或項目的核心理論基礎。
在我看來，一本好的深度學習書需要仔細平衡這兩者。
我們需要理論來幫助我們理解深度學習的核心基礎 - 同時我們需要實現和代碼片段來幫助我們鞏固剛剛學到的東西。
1.Deep Learning
如果沒有提及Goodfellow，Bengio和Courville的深度學習文本，寫一篇關於最好的深度學習書籍的博客文章很難（如果不是不可能的話）。
本書旨在成爲教科書，用於在大學課堂教授關於深度學習的基本原理和理論。
Goodfellow等人的深度學習是完全的理論和學術觀衆寫的。本書沒有涵蓋代碼。
本書首先討論機器學習基礎知識，包括從學術角度有效研究深度學習（線性代數，概率和信息論等）所需的應用數學。
從那裏開始，本書進入了現代深度學習算法和技術。
深度學習的最後一部分更多地關注當前的研究趨勢以及深度學習領域正在發生的變化。
我親自讀過這本書兩次，覆蓋封面，並發現它非常有價值，只要你有這樣的教科書所需的數學/學術嚴謹。
深度學習可從本書的主頁免費在線觀看。您可以購買亞馬遜文本的硬拷貝。
你應該閱讀這本深度學習書，如果......
你從理論而不是實踐中學習
你喜歡學術寫作
你是一名教授，本科或研究生，從事深度學習
2.Neural Networks and Deep Learning
我的第二個基於理論的深度學習圖書推薦是Michael Nielsen的神經網絡和深度學習。
本書包含了一些代碼，也強調“一些”非常重要的知識點。本書共有7個Python腳本，都討論了MNIST數據集上的各種基本機器學習，神經網絡或深度學習技術。這些實現不是世界上最令人興奮的，但它們將有助於展示文本中的一些理論概念。
如果你對機器學習和深度學習不熟悉，但渴望深入理論學習的方法，Nielsen的書應該是你的第一站。
這本書與Goodfellow的《Deep Learning》相比，Nielsen的寫作風格加上一些的代碼片段顯得更容易閱讀。
你應該閱讀這本深度學習書，如果......
您正在尋找一種基於理論的深度學習文本
對機器學習/深度學習來說是新手，並希望從更學術的角度來看待這一領域
3.Deep Learning with Python
谷歌AI研究員，着名Keras深度學習庫的創建者Francois Chollet 在2017年10月出版了他的書“ Deep Learning with Python”。
Francois Chollet 的著作採用了一個從業者的深度學習方法。包括一些理論和討論，但是對於理論的每一段，您都會發現Keras實現該技術。
本書的一個我最喜歡的方面是Francois Chollet 如何將深度學習應用於計算機視覺，文本和序列的例子，使它成爲希望在學習機器學習和深度學習基礎的同時學習Keras庫的讀者的全面書。
我發現Francois Chollet 的文字清晰易讀。他對深度學習趨勢和歷史的補充評論是驚人而富有洞察力的。
重要的是要指出，這本書並不意味着深入深入學習。相反，它的主要用途是通過Keras使用各種深度學習領域的實例來教你深度學習的基礎。
你應該閱讀這本深度學習書，如果......
您對Keras庫感興趣
您希望快速瞭解如何將深度學習應用於各個領域，如計算機視覺，序列學習和文本
4. Hands-On Machine Learning with Scikit-Learn and TensorFlow
當我第一次購買了AurélienGéron的Scikit-Learn和TensorFlow的“ Hands-On Machine Learning with Scikit-Learn and TensorFlow ”時，我不確定會發生什麼。如果標題中沒有包含我被它吸引的 “TensorFlow”這個詞，我以爲它還只是機器學習的基本介紹。
但與此同時，將“TensorFlow”這個詞加入到一個已經很長的標題中，似乎將重點放在基本的機器學習上，這讓我認爲銷售更多書籍是一種便宜的營銷策略 - 每個人都對深度學習感興趣，對吧？
幸運的是，我錯了 - 這本書是一個很好的閱讀，並且標題不應該阻止你閱讀它。
Géron的深度學習書籍分爲兩部分。
第一部分介紹支持向量機（SVM），決策樹，隨機森林，集成方法和基本無監督學習算法等基本機器學習算法。包括每個算法的Scikit學習示例。
第二部分通過TensorFlow庫涵蓋基本的深度學習概念。
你應該閱讀這本深度學習書，如果......
您是機器學習的新手，並希望從代碼示例的核心原則入手
您對流行的scikit-learn機器學習庫感興趣
您想要快速學習如何操作TensorFlow庫以進行基本的深度學習任務
5.TensorFlow Deep Learning Cookbook
如果你喜歡“cookbook”的教學風格（小到無理論和許多代碼），我會建議看看Gulli和Kapoor的TensorFlow Deep Learning Cookbook。
這本深入的學習手冊完全實用，對於TensorFlow用戶來說是一個很好的參考。
此外，這本書並不意味着一定較深的學問，而是告訴你如何在操作TensorFlow庫方面深厚的學問。
不要誤會我的意思-你絕對學習新深度學習的概念，技術和算法一路上，但書佔據了沉重的手菜譜的做法：大量的代碼和什麼樣的代碼做解釋。
我對這本書的唯一批評是代碼片段中存在一些拼寫錯誤。編寫完全以代碼爲重點的書籍時，這是可以預料的。錯別字發生了，我當然可以證明這一點。當你正在閱讀文本時，請注意這一點。
你應該閱讀這本深度學習書，如果......
您已經學習了深度學習的基礎知識
您對TensorFlow庫感興趣
您可以享受“Cookbook”教學風格，其中提供代碼來解決特定問題，但不討論基礎理論
6. Deep Learning: A Practitioners Approach
雖然大多數包含代碼示例的深度學習書籍都使用Python，但Adam Gibson和Josh Patterson的"Deep Learning：A Practitioners Approach"卻使用Java和DL4J庫。
爲什麼是Java？
Java是大型企業中最常用的編程語言，特別是在企業級。
Gibson和Patterson書中的前幾章討論了基本的機器學習和深度學習基礎知識。本書的其餘部分包括使用DL4J的基於Java的深度學習代碼示例。
你應該閱讀這本深度學習書，如果......
您有一個需要使用Java編程語言的特定用例
您爲一個主要使用Java的大型公司或企業組織工作
您想了解如何操作DL4J庫
7. Deep Learning for Computer Vision with Python
本文的原作者Adrian Rosebrock用Python編寫了“Deep Learning for Computer Vision With Python”。
AI的研究員，Keras的創始人Francois Chollet對Adrian Rosebrock新的深度學習書有這樣的評論：
這本書是深入實踐深入學習計算機視覺的偉大而深入的書籍。我發現它是一個平易近人，愉快的閱讀：解釋清楚，非常詳細。你會發現許多實用的技巧和建議，很少包括在其他書籍或大學課程中。 我強烈推薦它，無論是從業人員還是初學者。 - 弗朗索瓦Chollet
而熱門機器學習的作者Adam Geitgey 很有趣！博客系列說：
我強烈建議您使用Python獲取Deep Vision for Computer Vision的副本 。它進入了很多細節，並有大量的詳細例子。這是迄今爲止我看過的唯一的一本書，它涵蓋了事情的工作方式以及如何在真實世界中實際使用它們來解決難題。一探究竟！ - Adam Geitgey
如果您有興趣學習應用於計算機視覺的深度學習（圖像分類，物體檢測，圖像理解等），這對您來說是一本完美的書。
在我的書裏面，你會：
學習機器學習和深度學習的基礎，以平衡理論和實施的方式進行
研究先進的深度學習技術，包括對象檢測，多GPU訓練，轉移學習和生成對抗網絡（GAN）
複製包含ResNet，SqueezeNet，VGGNet等在內的一百二十萬張ImageNet數據集中的最先進論文的結果
此外，我提供理論和動手實施的最佳平衡。對於每個理論深度學習概念，您都可以找到相關的Python實現來幫助您鞏固知識。
你應該閱讀這本深度學習書，如果......
您特別有興趣應用於計算機視覺和圖像理解的深度學習
你想在理論和實施之間取得很好的平衡
您需要一本深入學習的書籍，使得看似複雜的算法和技巧易於掌握和理解
你需要一本清晰易懂的書，引導你深入掌握學習的道路
總結
在這篇文章中，您發現了我最喜歡學習深度學習的七本書。
您是否購買過或閱讀過這些書籍之一？如果是這樣，留下評論，讓我知道你對它的看法。
我錯過了一本你認爲應該在這份清單上的書嗎？如果是這樣，一定要聯繫我或發表評論。
參考
[0]https://www.pyimagesearch.com/2018/03/05/7-best-deep-learning-books-reading-right-now
[1]http://www.deeplearningbook.org
[2]http://neuralnetworksanddeeplearning.com
[7]https://www.pyimagesearch.com/deep-learning-computer-vision-python-book