非常优秀的入门书!这本书对时间序列、NLP、计算机视觉、图像生成都做了充分而细致的介绍,紧跟前沿。同时揭示了深度网络的本质——找到高维数据空间的低维流体,并解释了基于几何变换和差分的深度网络的局限性。本书还对人工智能的未来进行了展望,例如添加程序处理原语,让神经网络不仅能捕捉特征,还能操控结构。同时,作为 Keras 开发者,作者对架构、抽象都有深刻理解,在介绍概念和细节的同时,会解释它在系统中的作用、设计思路和数学原理。从使用者、研究者和框架开发者三个角度进行阐述,完整的回答了“怎么用”、“为什么可以用”和“这么用的意义”的问题。11-22
yl
a friendly book02-13
阿凡达弟弟
入门不错,深入的话稍显啰嗦和深度不足。09-15
喀喀喀
If you become a deep learning researcher, cut through the noise in the research process: do ablation studies for your models. Always ask, “Could there be a simplerexplanation? Is this added complexity really necessary? Why?”- the author really did it.01-18
2nd edition claims to be fairly different from 1st edition, with 1/3 longer and 75% novel content. However, after reading the whole book (7-8h), the main contents of the 2nd edition is quite similar to the 1st edition, only with more noticeable new contents in ch01-02, ch09, and ch14. Overall, it is a fantastic book to deepen understanding of DL.04-15
monarch
一年前看过第一版,但忘的差不多了,这次就第一版和第二版一起看的,差别还是挺大的,前面那个说“quite similar to the 1st edition”的人压根就没仔细看。我所有代码都跑了,同时和第一版的做了对比,差别在:很多数据预处理用了最新的集成在keras里的函数,而第一版基本是用base python做的,其他的部分如果keras有更新,书里也跟进了;介绍了第一版以来到2020年书出版的时候DL的新进展,比如介绍了attention;对于用RNN来做时序分析单独写了一章;第7章关于深入实用keras的介绍比第一版深入多了,不过这部分内容更推荐那本《机器学习实战》 hands-on那本,虽然本书是keras之父写的,那不如人家介绍的好。最后,能看第二版的尽量第二版06-01
豆瓣评论