對於入門深度學習的書籍，計算機視覺專家 Adrian Rosebrock 最近寫了篇非常實用的書單，給深度學習新手推薦了7本書籍，最最重要的是，告訴了你最適合看哪些書。
這些書中，有一些理論深厚，主要專注於神經網路和深度學習背後的數學知識以及相關的設想。另一些則完全從實際出發，它們通過程式碼而不是理論來教會你深度學習。
還有一些書則兼顧理論和實踐，在讓你親身實踐的同時提供給你一定的理論知識，並且讓你親自實現這些理論演算法來進行學習（這種書籍誰不愛呢）。
下面我們會談談每一本書所涉及的核心內容、目標讀者以及這本書是否適合你。
在選擇一本書之前，最好評估一下自己的個人學習風格，這能使你更充分地利用書籍並從中得到最大的收穫。
首先問自己以下幾個問題：
什麼才是我學習的最好方式？我是更喜歡從理論文字中獲取知識呢？還是更希望從程式碼片段和具體實現中汲取營養？
每個人都有自己獨特的學習風格，而你自己最好的學習方式又決定了你應該看哪些書籍。
比如對於有些人來說，喜歡在理論和實踐之間取得平衡，因此很適合看兼顧理論和實踐的書籍。太過理論或者抽象的深度學習書籍只會讓他們感到枯燥無味，怕是會看得要睡著了。但話說回來，如果一本深度學習書籍完全跳過理論而直接進入具體的程式碼實現中，那麼讀者會錯過核心的理論基礎，而這些東西能夠幫我們解決新的深度學習問題或專案。因此就他們而言，一本優秀的書籍需要在這兩者之間尋求一個平衡。
我們需要理論來幫助自己理解深度學習的核心基礎，同時也需要應用和程式碼來幫助我們加深學到的知識。
書籍1——《Deep Learning》
如果要寫一篇關於最棒的深度學習書目的部落格，那就不得不提 Goodfellow, Bengio, 和 Courville 三位大師的《Deep Learning》。本書中文版為《深度學習》，譯者：趙申劍、黎彧君、符天凡和李凱。
這是一本教授深度學習有關的基本原理和理論的大學教材。Goodfellow 等人的《Deep Learning》是一本純粹的理論書籍，它面向的是學術界的讀者，全書中沒有一點程式碼。
本書首先討論了機器學習的基礎知識，包括從學術觀點出發的學習深度學習（線性代數、概率論和資訊理論等）所必需的應用數學知識。
隨後深入探討了現代深度學習演算法和技術。在最後，本書重點關注了當前的深度學習的研究趨勢和深度學習領域的新動向。
可以在本書官網上免費閱讀電子版，也可自行購買實體書。
如果符合下面的條件，你應該讀讀這本書：
-
相較於實踐，你更喜歡理論知識
-
喜歡學術作品
-
你是一個從事深度學習研究的教授、本科生或研究生
書籍2 —— 《Neural Networks and Deep Learning》
第二本要推薦的深度學習理論書籍是 Michael Nielsen 的著作《Neural Networks and Deep Learning》。
這本書中總共有 7 段 Python 程式碼，它們利用 MNIST 資料集講述了各種機器學習、神經網路和深度學習技術的基礎知識，對闡釋書中講到的理論概念大有幫助。
如果你是一個剛入門機器學習和深度學習的新手，並且急切地想深入理論領域裡，那麼這本書應是你的首選。
此書相比 Goodfellow 的《Deep Learning》更加易讀，並且 Nielsen 的寫作風格配上書中的程式碼片段也使得讀完這本書更加容易。
在本書官網上可免費閱讀電子版，網上有分享的對應中文版資源，可自行尋找。
如果符合下面的條件，那麼你就應該讀一讀這本書：
-
你正在尋找一本深度學習的理論書籍
-
你是一個機器學習或深度學習領域的新手並且更傾向於從學術角度來深入瞭解該領域
書籍3——《Deep Learning with Python》
Google AI 研究人員，以及頗受歡迎的流行的深度學習庫 Keras的作者Francois Chollet，在2017年10月份寫下了這本《Deep Learning with Python》。
這本書從實踐者的角度講解深度學習，雖然書中也提到了一些理論知識，但是每隔幾個段落，都會教你如何用 Keras 去實現相關技術。
Francois 在書中提供了許多將深度學習應用於計算機視覺、文字、序列等方面的例子，對於想要在學習機器學習和深度學習的同時也瞭解 Keras 的讀者來說，這本書涵蓋的內容非常全面。
本書內容不僅簡潔易懂，而且作者對於深度學習的趨勢和歷史的一些看法同樣令人印象深刻。
需要注意的是這本書並不是一本非常深入的深度學習書籍，它最重要的作用在於通過使用 Keras 庫寫一些各種各樣實際的深度學習示例來教你領會深度學習的基礎概念。
如果符合下面的條件，那麼你就應該讀一讀這本書：
-
你對 Keras 庫非常感興趣
-
你更喜歡通過實踐進行學習
-
你想要快速理解深度學習是如何應用到不同的領域中的，比如計算機視覺、序列學習和文字分析等
書籍 4 ——《Hands-On Machine Learning with Scikit-Learn and TensorFlow》
有些人第一次購買 Aurélien Géron 的 Hands-on Machine Learning with Scikit-Learn and TensorFlow ，並不太確定能學到什麼，只當它只是一本機器學習的基本介紹，如果不是題目裡有 “TensorFlow”，估計會完全無視它。
比如有人就覺得給原本就很長的書名後面再加個TensorFlow，這是為了增加發行量而採取的市場伎倆，畢竟對深度學習感興趣的人那麼多，對吧？
但是如果這麼想，那就錯了，這是一部非常優秀的作品，書不可貌相啊。
這本書主要分為兩個部分。
-
第一部分涵蓋了機器學習的基礎演算法，如支援向量機、決策樹、隨機森林、整合方法和一些基本的非監督學習演算法，每一種演算法還有附帶的 Scikit-learn 示例。
-
第二部分則通過 TensorFlow 庫講解了深度學習的基礎概念。
如果符合下面的條件，那麼你就應該讀一讀這本書：
-
你是一個機器學習新手，並且希望通過程式碼示例入門機器學習的核心原理
-
對流行的 scikit-learn 機器學習庫感興趣
-
想快速學習如何使用 TensorFlow 庫完成基本的深度學習任務
書籍5——《TensorFlow Deep Learning Cookbook》
這本書是完全手把手講解，並且也是一本非常好的 TensorFlow 參考書。 它不教授深度學習，而是向你展示在深度學習中，如何使用 TensorFlow 庫。
不要誤會 —— 跟著這本書你絕對能夠學到新的深度學習概念、技術和演算法，但這本書採取了更加實戰化的方式：包含大量的程式碼以及對這些程式碼的講解。
不過本書唯一的缺點就是其中有不少錯別字，但對於一本以程式碼為中心的書這是預料之中的。錯別字無法避免，閱讀之時一定要細心。
如果符合下面的條件，那麼你就應該讀一讀這本書：
-
已經學習了深度學習的基本概念
-
對 TensorFlow 庫感興趣
-
喜歡提供解決問題的程式碼但不關心底層的理論這樣的“手把手”教學方式
書籍6——《Deep Learning: A Practitioners Approach》
在這本書的前幾個章節裡， Gibson 和 Patterson 討論了機器學習和深度學習的基本知識，剩下的部分則涵蓋了使用 DL4J 庫寫成的 Java 深度學習程式碼。
如果符合下面的條件，那麼你就應該讀一讀這本書：
-
你在平時工作學習中要用到 Java 語言
-
你所在的公司或單位主要使用Java程式設計
-
你想要知道如何使用 DL4J 庫
書籍7——《Deep Learning for Computer Vision with Python》
由計算機視覺專家Adrian Rosebrock編寫的《Deep Learning for Computer Vision with Python》被評為當前最好的深度學習和計算機視覺資源之一。
Google 的 AI 研究員和 Keras 庫的作者Francois Chollet對於本書做出過這樣的評價： 這是一部關於計算機視覺的卓越的、深入且實用的深度學習實踐作品。我認為它非常易讀易懂：書中的解釋清晰而又詳細。在書中你能夠找到許多在其他書籍或大學課程中難以見到的實用的建議。對於從業者和初學者，我強烈推薦這本書 —— Francois Chollet
如果你對在計算機視覺（影像分類，物件檢測，影像理解等）中應用深度學習有興趣，那這本書再好不過了。
在這本書中，你將能夠： 理論和實踐並重地學習機器學習和深度學習的基礎內容 學習先進的深度學習技術，包括物件檢測、多GPU訓練、遷移學習以及生成對抗網路等 復現最前沿的論文成果，包括ResNet、 SqueezeNet、 VGGNet以及其他存在於 ImageNet 資料集中的成果
除此之外，書籍還兼顧理論和實踐兩者之間的平衡，對每一個深度學習理論，都會有一個關聯的 Python 實現來幫助你鞏固對其的理解和學到的知識。
如果符合下面的條件，那麼你就應該讀一讀這本書：
-
你對將深度學習應用於計算機視覺和影像理解上有著特別的興趣
-
你喜歡的學習方式是兼顧理論和實踐
-
你想要一本能使複雜的演算法和技術變得簡單易懂的深度學習書籍
-
你想擁有一本清晰易懂的書籍引導你探索深度學習的奧祕
結語
本文我們討論了7本深度學習領域的書籍，以及適合它們的閱讀人群。
當然，如果你想看看除了書籍外的其它深度學習資源，千萬別錯過集智主站的《淺說深度學習》系列專欄：
以及《玩兒懂深度學習》系列教程：
假如你是真正的小白，但又希望能夠以最高效的方式學習人工智慧知識，那麼請仔細研讀以下文字：
集智第6期AI工程師線上培訓班馬上開始了！
-
每週直播授課，配以鞏固作業，週末批改+講解，幫你從零開始到精通，腳踏實地變身AI工程師。
-
名師授課。國內一線企業工程師、技術負責人、名校博士、國際期刊審稿人授課。
-
適用人群：初中以上數學基礎即可，任意程式設計基礎均可。我們完全有信心讓你從AI菜鳥變身技術大拿。
課程詳情及課堂片段，請戳這裡，詳細瞭解！
席位有限！限時團購！推薦有獎！
機不可失，失不再來，等你哦！