深入浅出神经网络与深度学习

好多年前我就读过这个网络教程，这是深度学习热早期出现的一个著名教程，但我读得很费劲，毕竟他的代码实现一点都不平实易懂（不必要的炫python技巧）。尽管我已不需要用它学习神经网络，现在算是重新温习一下，但其印象依然一般。12-15

没跑通代码，先看看其他书，再回头看看12-02

看了电子版，反向传播的公式推导写的很好，代码是基于numpy，没有用到框架，非常棒。02-11

第一章写的很不错，但机翻足以劝退，更何况有些排版还异常糟糕09-30

本书是我翻过的几本书里对反向传播算法讲解最为通俗易懂的。刷沐神视频的过程中来翻这个书，多一个角度的讲解输入，很多东西会豁然开朗。04-27

五颗星不够，打六颗星！04-16

第三、第四章的部分内容网页版有交互内容02-20

从对象、算法、数据结构的编程世界到深度学习已经是不同的领域，我们用完全不一样的方式思考计算。理解神经网络的结构，从深度卷积神经网络入手，卷积层的作用是提取输入的特征，就决定了这一层必然跟输入高度相关，也不容易过拟合，池化层对特征降维、提取不变性，到全连接层的激活函数，处理的已经是泛化的纯数学问题。跟人的大脑很像，单个神经元并不知道信号的输入是什么。代码实现本身很简单，但是一个超参数的微小变化，就会产生截然不同的结果，选择合适的参数和网络层数正是一项复杂而重要的工作。连续平滑可导的非线性激活函数，正是神经元中产生学习的地方，理论有无穷多种，但是实际上并不很多，目前也没有理论能指导不同应用如何选择合适的激活函数，更多是经验直觉和启发式尝试。又是明斯基说，智能应该是从我们广泛的多样性中诞生02-26

是不错，但引进的晚了。。01-27

一位量子物理学家写的入门书籍，深度神经网络广泛应用于计算机视觉、语音识别、自然语言处理，以及意图驱动的用户界面等。本书不仅是一些基本概念和原理的阐释，还对实操方法有较多的普及。譬如针对复杂度、过拟合等问题，在实践引入权重初始化、输入正则化、通过算法扩大数据集、Dropout隐藏层神经元，以及各种随机梯度下降算法等。略过一些较为复杂的数学表达式，值得非算法专业的同学阅读。03-08

很好的一本入门之作，能尽可能抛开复杂的数学公式证明，初步了解神经网络和深度学习03-28

原书网上免费，翻译的中规中矩原书非常nice，唯一的缺点就是薄，为啥 不往后把RNN等一系列都讲讲？11-07

不是对原书的评价，翻译太差，中文表达能力这么差就不要糟蹋大师作品了，一堆title还拉了大佬赞他花了力气给代码注释，估计大佬看的都是原文，其中车万翔就是这么说的，就当他们重磅推荐的是原著吧08-05

神经网络原理扫盲书，用相对容易理解而不那么严格的方式，介绍和论证了包括反向传播、梯度消失、卷积、池化等训练方法中的各个环节和概念，以理解为主。适合有一定深度的概念性学习。08-10

一刷完成，后面会二刷的10-23

虽然翻译的略有瑕疵，但是本身无法掩盖大师深入浅出的描述功底，想要深入理解最好的入门书，没有之一，搞技术的话， show me code or math，这本书都做得非常棒。纸上得来终觉浅，要知此事须躬行04-02