神经网络和深度学习目前提供了针对图像识别，语音识别和自然语言处理领域诸多问题的最佳解决方案。深度神经网络和深度学习在计算机视觉、语音识别和自然语言处理等许多重要问题上取得了出色的表现。
《神经网络与深度学习应用实战》结合实际应用介绍神经网络和深度学习等技术领域相关信息。从结构上重点介绍了前馈型神经网络、反馈型神经网络，以及自组织竞争型神经网络，并针对当下深度学习中比较重要的网络进行了详细介绍，包括卷积神经网络、循环（递归）神经网络、深度信念网络、生成对抗网络，以及深度强化学习。《神经网络与深度学习应用实战》对当前神经网络和深度学习技术有体系的认知，在人工智能领域进行一些深入思考。
《深度学习轻松学核心算法与视觉实践》介绍了深度学习基本算法和视觉领域的应用实例。书中以轻松直白的语言，生动详细地介绍了深层模型相关的基础知识，并深入剖析了算法的原理与本质。配有大量案例与源码，帮助切实体会深度学习的核心思想和精妙之处。介绍了深度学习在视觉领域的应用，从原理层面揭示其思路思想，帮助在此领域中夯实技术基础。
学习参考：
《神经网络与深度学习应用实战》PDF，250页，有目录，文字可复制。
《深度学习轻松学核心算法与视觉实践》PDF，349页，有目录，文字可复制，有可参考源代码。
下载: https://pan.baidu.com/s/1v9ChMHTAwgym1TAyAaMfEw
提取码: sex3
示例代码主要是python+keras或者Caffe。值得一看的是三种视角切换看卷积过程、FFT视角理解卷积，以及后面GAN的简单解释。
介绍了卷积神经网络中很多细节，这些细节是十分重要的，它们决定了一个人对CNN的理解深度。有些人深耕应用，可能真的对其中的原理不甚了解，这样会制约一个人的发展。很多人只关注了深度学习的神奇，却不是很重视神奇背后的逻辑，简单地以”炼丹“来解释，这样实际上也是对深度学习的轻视。
网友评论