您的位置:首页 > 其它

你现在应该阅读的7本最好的深度学习书籍

2021-01-31 23:13 387 查看

往期回顾
[计算机视觉] 入门学习资料

Python Numpy学习教程(一)Python篇

[计算机论文速递] 2018-03-23

在今天的文章中,我将与您分享我遇到的7本最好的深度学习书籍(无特定顺序),并亲自推荐您阅读。

这些深度学习书籍中有些是非常理论化的,主要关注神经网络和深度学习背后的数学和相关假设;有些深度学习书籍完全实用,通过代码而不是理论教授。

甚至其他深度学习书籍跨越界限,给你一个夯实的理论,同时让你不断的实战来学习(这些往往是我最喜欢的深度学习书籍)。

对于每本深度学习书籍,我将讨论所涵盖的核心概念,目标受众以及本书是否适合您。

要发现学习深度学习的7本最好的书,请继续阅读!

你现在应该阅读的7本最好的深度学习书籍
在您选择一本深度学习书籍之前,最好先评估您自己的个人学习风格,以确保您充分利用本书。

首先问自己以下问题:

我如何最好地学习?我喜欢从理论课本中学习吗?或者我喜欢从代码片段和实现中学习吗?

每个人都有自己的个人学习风格,你的答案将决定你应该阅读哪本深度学习书。

对我个人而言,我喜欢在两者之间取得平衡。

深度学习的书籍完全是理论性的,过于抽象化,使得我的眼睛很容易被忽视。

但另一方面,如果一本深度学习书完全跳过理论并直接跳入实现阶段,我知道我错过了可能帮助我接近一个新的深度学习问题或项目的核心理论基础。

在我看来,一本好的深度学习书需要仔细平衡这两者。

我们需要理论来帮助我们理解深度学习的核心基础 - 同时我们需要实现和代码片段来帮助我们巩固刚刚学到的东西。

1.Deep Learning

如果没有提及Goodfellow,Bengio和Courville的深度学习文本,写一篇关于最好的深度学习书籍的博客文章很难(如果不是不可能的话)。

本书旨在成为教科书,用于在大学课堂教授关于深度学习的基本原理和理论。

Goodfellow等人的深度学习是完全的理论和学术观众写的。本书没有涵盖代码。

本书首先讨论机器学习基础知识,包括从学术角度有效研究深度学习(线性代数,概率和信息论等)所需的应用数学。

从那里开始,本书进入了现代深度学习算法和技术。

深度学习的最后一部分更多地关注当前的研究趋势以及深度学习领域正在发生的变化。

我亲自读过这本书两次,覆盖封面,并发现它非常有价值,只要你有这样的教科书所需的数学/学术严谨。

深度学习可从本书的主页免费在线观看。您可以购买亚马逊文本的硬拷贝。

你应该阅读这本深度学习书,如果......

你从理论而不是实践中学习

你喜欢学术写作

你是一名教授,本科或研究生,从事深度学习

2.Neural Networks and Deep Learning

我的第二个基于理论的深度学习图书推荐是Michael Nielsen的神经网络和深度学习。

本书包含了一些代码,也强调“一些”非常重要的知识点。本书共有7个Python脚本,都讨论了MNIST数据集上的各种基本机器学习,神经网络或深度学习技术。这些实现不是世界上最令人兴奋的,但它们将有助于展示文本中的一些理论概念。

如果你对机器学习和深度学习不熟悉,但渴望深入理论学习的方法,Nielsen的书应该是你的第一站。

这本书与Goodfellow的《Deep Learning》相比,Nielsen的写作风格加上一些的代码片段显得更容易阅读。

你应该阅读这本深度学习书,如果......

您正在寻找一种基于理论的深度学习文本

对机器学习/深度学习来说是新手,并希望从更学术的角度来看待这一领域

3.Deep Learning with Python

谷歌AI研究员,着名Keras深度学习库的创建者Francois Chollet 在2017年10月出版了他的书“ Deep Learning with Python”。

Francois Chollet 的著作采用了一个从业者的深度学习方法。包括一些理论和讨论,但是对于理论的每一段,您都会发现Keras实现该技术。

本书的一个我最喜欢的方面是Francois Chollet 如何将深度学习应用于计算机视觉,文本和序列的例子,使它成为希望在学习机器学习和深度学习基础的同时学习Keras库的读者的全面书。

我发现Francois Chollet 的文字清晰易读。他对深度学习趋势和历史的补充评论是惊人而富有洞察力的。

重要的是要指出,这本书并不意味着深入深入学习。相反,它的主要用途是通过Keras使用各种深度学习领域的实例来教你深度学习的基础。

你应该阅读这本深度学习书,如果......

您对Keras库感兴趣

您希望快速了解如何将深度学习应用于各个领域,如计算机视觉,序列学习和文本

4. Hands-On Machine Learning with Scikit-Learn and TensorFlow

当我第一次购买了AurélienGéron的Scikit-Learn和TensorFlow的“ Hands-On Machine Learning with Scikit-Learn and TensorFlow ”时,我不确定会发生什么。如果标题中没有包含我被它吸引的 “TensorFlow”这个词,我以为它还只是机器学习的基本介绍。

但与此同时,将“TensorFlow”这个词加入到一个已经很长的标题中,似乎将重点放在基本的机器学习上,这让我认为销售更多书籍是一种便宜的营销策略 - 每个人都对深度学习感兴趣,对吧?

幸运的是,我错了 - 这本书是一个很好的阅读,并且标题不应该阻止你阅读它。

Géron的深度学习书籍分为两部分。

第一部分介绍支持向量机(SVM),决策树,随机森林,集成方法和基本无监督学习算法等基本机器学习算法。包括每个算法的Scikit学习示例。

第二部分通过TensorFlow库涵盖基本的深度学习概念。

你应该阅读这本深度学习书,如果......

您是机器学习的新手,并希望从代码示例的核心原则入手

您对流行的scikit-learn机器学习库感兴趣

您想要快速学习如何操作TensorFlow库以进行基本的深度学习任务

5.TensorFlow Deep Learning Cookbook

如果你喜欢“cookbook”的教学风格(小到无理论和许多代码),我会建议看看Gulli和Kapoor的TensorFlow Deep Learning Cookbook。

这本深入的学习手册完全实用,对于TensorFlow用户来说是一个很好的参考。

此外,这本书并不意味着一定较深的学问,而是告诉你如何在操作TensorFlow库方面深厚的学问。

不要误会我的意思-你绝对学习新深度学习的概念,技术和算法一路上,但书占据了沉重的手菜谱的做法:大量的代码和什么样的代码做解释。

我对这本书的唯一批评是代码片段中存在一些拼写错误。编写完全以代码为重点的书籍时,这是可以预料的。错别字发生了,我当然可以证明这一点。当你正在阅读文本时,请注意这一点。

你应该阅读这本深度学习书,如果......

您已经学习了深度学习的基础知识

您对TensorFlow库感兴趣

您可以享受“Cookbook”教学风格,其中提供代码来解决特定问题,但不讨论基础理论

6. Deep Learning: A Practitioners Approach

虽然大多数包含代码示例的深度学习书籍都使用Python,但Adam Gibson和Josh Patterson的"Deep Learning:A Practitioners Approach"却使用Java和DL4J库。

为什么是Java?

Java是大型企业中最常用的编程语言,特别是在企业级。

Gibson和Patterson书中的前几章讨论了基本的机器学习和深度学习基础知识。本书的其余部分包括使用DL4J的基于Java的深度学习代码示例。

你应该阅读这本深度学习书,如果......

您有一个需要使用Java编程语言的特定用例

您为一个主要使用Java的大型公司或企业组织工作

您想了解如何操作DL4J库

7. Deep Learning for Computer Vision with Python

本文的原作者Adrian Rosebrock用Python编写了“Deep Learning for Computer Vision With Python”。

AI的研究员,Keras的创始人Francois Chollet对Adrian Rosebrock新的深度学习书有这样的评论:

这本书是深入实践深入学习计算机视觉的伟大而深入的书籍。我发现它是一个平易近人,愉快的阅读:解释清楚,非常详细。你会发现许多实用的技巧和建议,很少包括在其他书籍或大学课程中。 我强烈推荐它,无论是从业人员还是初学者。 - 弗朗索瓦Chollet

而热门机器学习的作者Adam Geitgey 很有趣!博客系列说:

我强烈建议您使用Python获取Deep Vision for Computer Vision的副本 。它进入了很多细节,并有大量的详细例子。这是迄今为止我看过的唯一的一本书,它涵盖了事情的工作方式以及如何在真实世界中实际使用它们来解决难题。一探究竟! - Adam Geitgey

如果您有兴趣学习应用于计算机视觉的深度学习(图像分类,物体检测,图像理解等),这对您来说是一本完美的书。

在我的书里面,你会:

学习机器学习和深度学习的基础,以平衡理论和实施的方式进行

研究先进的深度学习技术,包括对象检测,多GPU训练,转移学习和生成对抗网络(GAN)

复制包含ResNet,SqueezeNet,VGGNet等在内的一百二十万张ImageNet数据集中的最先进论文的结果

此外,我提供理论和动手实施的最佳平衡。对于每个理论深度学习概念,您都可以找到相关的Python实现来帮助您巩固知识。

你应该阅读这本深度学习书,如果......

您特别有兴趣应用于计算机视觉和图像理解的深度学习

你想在理论和实施之间取得很好的平衡

您需要一本深入学习的书籍,使得看似复杂的算法和技巧易于掌握和理解

你需要一本清晰易懂的书,引导你深入掌握学习的道路

总结
在这篇文章中,您发现了我最喜欢学习深度学习的七本书。

您是否购买过或阅读过这些书籍之一?如果是这样,留下评论,让我知道你对它的看法。

我错过了一本你认为应该在这份清单上的书吗?如果是这样,一定要联系我或发表评论。

参考

[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

[3]http://amzn.to/2oBWcYV

[4]http://amzn.to/2CUfltn

[5]http://amzn.to/2F8rMUl

[6]http://amzn.to/2CSqN8W

[7]https://www.pyimagesearch.com/deep-learning-computer-vision-python-book

内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: