我 · 出 · 書 · 了！

跟大家說個事，也算是憋了很久，之前花了近一年時間撰寫的 AI 書籍《深度學習入門：基於PyTorch和TensorFlow的理論與實現》終於正式出版了！

一睹真容：

這裡跟大家嘮一下，之前很多出版社的編輯找過我，想讓我寫一本關於機器學習或深度學習的入門教程。一開始我是拒絕的，大家知道，寫書是一件超級麻煩的事，需要架構、排版、系統化等等，遠比寫一篇原創文章要耗費精力得多。

後來，機緣巧合吧，一段時間比較空閒，正好清華大學出版社找到我，於是就開始漫漫寫書路。。。好在我是那種既然選擇做一件事就要把它做好的性格，這本書也在自己的精心打磨下出版了~

下面就是“官方介紹”啦~跟大家介紹一下這本書吧！

為什麼寫這本書？

在學習深度學習的幾年時間裡，我學過一些國內外優秀的深度學習公開課程，口碑都很好；我也看過不少大牛老師寫的高質量書籍，收穫頗豐；我也在學習的過程中走過一些彎路，遇到一些坑，這些也是寶貴的經驗。

我個人覺得，任何前沿技術，如深度學習，紮實的基礎知識非常重要。而最好的基礎知識的獲取方式還是教材和書本。但是，反觀現在一些深度學習方面的書籍，或多或少存在一些問題：

1、數學理論太多，公式多，起點高，對初學者不友善，容易削弱入門學習的積極性。

2、只講深度學習框架，教你如何調包、呼叫庫函式，不講深度學習理論知識。容易造成一知半解，淪為“調包俠”。

3、理論與實戰的脫節，過於側重理論或者過於側重實戰，二者之間沒有很好的融合。

基於以上這些問題，我認為寫一本真正適合深度學習初學者的入門書籍非常必要。這樣的書籍不僅要兼顧理論和實戰，還應該將重難點知識通俗化講解、全面細緻。難度有階梯性，照顧不同水平的讀者。這樣的書籍才能最大程度地讓讀者受益。

基於這樣的考量，《深度學習入門：基於PyTorch與TensorFlow的理論與實戰》跟大家見面了。

本書特色

我剛剛也說了，對於初學者而言，一本好的深度學習書籍，宗旨就是讓讀者能夠輕輕鬆鬆地掌握知識、觸類旁通。本書作為一本深度學習的入門書籍，對初學者是非常友好的。本書的內容來自於我多年的知識積累和技術沉澱，也是我的一份深度學習經驗總結。

首先，這本書包含了Python的基本介紹。Python作為人工智慧的首選語言，其重要性不言而喻。Python入門非常簡單，本書將會對深度學習中所需的基本Python語法知識進行簡明扼要的提煉和概括。如果有的讀者之前沒有接觸過Python，那麼本書將輕鬆帶你入門。

其次，這本書介紹瞭如今主流的深度學習框架PyTorch和TensorFlow。透過本書，讀者可以對這兩個框架的基本語法和基礎知識有一個系統的學習，夯實基礎。如果你之前對PyTorch和TensorFlow不瞭解也沒有關係，這本書也可以是這兩個框架的知識學習手冊。

然而，最重要的，這是一本關於深度學習的入門教程。我在編寫該書的時候，從小白的視角出發，結合我多年的知識和經驗，儘量將深度學習、神經網路的理論知識用通俗易懂的語言描繪出來。這本書能讓讀者真正瞭解、熟悉神經網路的結構和最佳化方法，也能幫助讀者梳理一些容易被忽視的技術細節。例如最簡單的梯度下降演算法，它的公式來源和理論支援是什麼？本書都會有詳細的解釋。

值得注意的是，我一貫的堅持是將複雜的理論簡單化，這本書會將理論以平易化的語言描述清楚，但不會深陷於數學公式之中。這本書面向的深度學習的入門者和初學者，不會涉及太多太複雜的理論知識。因為入門深度學習，前期整體上的感性認識尤為重要。輕鬆入門，往往是比較正確的學習路線。我在編寫該書的時候，也一直在把握這個分寸和尺度。如果想要學習更深層次、更高階的深度學習知識，讀者可以查閱更多的書籍、會議論文、前沿技術等。

除此之外，深度學習更重要的是程式碼實踐，這也是本書一直秉承的一個重點。這本書的另一個優勢就是不僅講理論知識，也配備了完整的實戰專案和程式碼。從簡單的邏輯迴歸，到淺層神經網路、深層神經網路，再到CNN、RNN，都會透過一個實際專案從零搭建神經網路，或者使用PyTorch、TensorFlow來構建更復雜的例如CNN、RNN模型解決問題。

本書的所有程式碼，我都開源放在了GitHub上，地址如下：

https://github.com/RedstoneWill/dl-from-scratch

面向的讀者

這是一本深度學習的入門書籍，也是一本關於Python、PyTorch、TensorFlow的工具手冊；這是一本深度學習的理論書籍，也是一本教你如何編寫程式碼構建神經網路的實戰手冊。我希望這本書能夠幫助更多想要入門深度學習的愛好者，能夠幫助讀者掃清學習過程中的障礙，再上新臺階。

本書面向的讀者包括：深度學習初學者；對深度學習感興趣的在校大學生；有意向轉行AI領域的IT從業人員。當然，這本書也是不錯的深度學習工具手冊，裡面不僅有理論知識，也有示例程式碼。

值得一提的是，如果你已經有很高的深度學習水平了，那麼可能本書不太適合你，你應該更關注深度學習的前沿理論和論文。

目錄介紹：

本書是一本系統介紹深度學習基礎知識和理論原理的入門書籍。全書以神經網路的基本結構入手，詳細推導了前向傳播和反向傳播的數學公式和理論支援；詳細介紹瞭如今各種最佳化神經網路的梯度最佳化演算法和正則化技巧，也給出了在實際應用中的超引數除錯和網路訓練的技巧；同時，也介紹了典型的卷積神經網路（CNN）和迴圈神經網路（RNN）。除了理論基礎之外，本書以Python為基礎，詳細介紹瞭如今主流的深度學習框架TensorFlow和PyTorch，並分別使用這兩種框架來構建相應章節的專案，幫助讀者從理論和實踐中提高自己的深度學習知識水平。

全書共分為三個部分：第一部分（第1~3章），主要對深度學習進行簡要概述，列舉重要的 Python 基礎知識，如何搭建開發環境，以及TensorFlow和PyTorch的精煉教程；第二部分（4~7章），主要介紹神經網路的基礎，以感知機入手，到簡單的兩層神經網路，詳細推導正向傳播與反向梯度的演算法理論，然後介紹深層神經網路，並重點介紹神經網路最佳化演算法及構建神經網路模型的實用建議；第三部分（8~9章），主要介紹卷積神經網路（CNN）和迴圈神經網路（RNN）的基本結構，重點剖析兩種模型的數學原理和推導過程。

前言<p>
第一章深度學習基礎
第二章 PyTorch
第三章 TensorFlow
第四章神經網路基礎知識
第五章神經網路
第六章深層神經網路
第七章最佳化神經網路
第八章卷積神經網路
第九章迴圈神經網路

如何獲取

這本新書《深度學習入門：基於PyTorch和TensorFlow的理論與實現》已經在京東、噹噹開售了。需要的讀者自行獲取，也可以點選底部“閱讀原文”獲取！

後記

深度學習涉及的範圍很廣，也在不斷湧現新的深度學習技術。本書只是介紹了深度學習的基本的，也是必備的基礎知識，例如傳統的前饋神經網路、卷積神經網路、迴圈神經網路等基本結構。實際上，本書的很多章節，例如卷積神經網路、迴圈神經網路都可以獨立成書，因為確實包含了很多的知識內容。由於篇幅的限制，很多更深層次的內容我們在本書中沒有提及。

另外，深度學習包含的領域是很廣的！其它更深入的更復雜的內容，包括強化學習、GAN模型、自動駕駛等，本書也沒有介紹。感興趣的讀者可以查閱相關書籍或者文獻。

不過，讀者大可放心，本書介紹的內容是基礎的，也是核心的。透過本書的學習，讀者一定能夠比較順利地入門深度學習。

最後，本書的原始碼全部開源，讀者可以從GitHub上獲取：