我在閱讀認知心理學的書時，其中提到了神經網絡研究範式-把人腦看做神經元構成的網絡來進行研究。碰巧又知道機器學習中有神經網絡算法，就一直好奇這樣一種生物結構如何在程序中體現。經過一個簡單的利用神經網絡識別手寫數字的程序讓你對其思想和用法有深刻的理解。真的很好玩啊！這也是我機器學習方面的第一本書，打算之後再這方面深刻挖掘。僅僅由於--真的好好玩啊！python
神經網絡的名字很唬人，其實概念挺樸素的，是由含一個輸入層一個輸出層和若干隱藏層構成的有向無環圖（這名字也唬人），看圖像一目瞭然，爲啥叫隱藏層呢，就是由於和輸入輸出不要緊，看不見，有點兒神祕。每層的每一個結點藉助生物的概念稱爲神經元，各層之間神經元相互連接。算法訓練包含兩個階段：輸入向輸出傳送叫前向饋送信號，輸出向輸入傳送叫反向偏差傳播。把輸入前饋計算獲得輸出，把輸出與目標值比對計算偏差，把偏差反向傳播修正連接權重。git
推薦很是適合入門神經網絡編程的一本書《Python神經網絡編程》，主要是三部分： 介紹神經網絡的基本原理和知識；用Python寫一個神經網絡訓練識別手寫數字；對識別手寫數字的程序的一些優化。github
清晰易懂，只用了一點數學，就把神經網絡的構造和原理講得很清楚。講完理論，做者在書的第二部分進入實踐，一步步編寫了一段應用神經網絡模型識別手寫數字的代碼，幾乎每一步都伴有詳細講解。我的感受是，若是預先有一點點python的知識，會更容易理解這些代碼。第三部分篇幅不長，主要是在某些方面略做延伸，意圖應該是但願激發讀者進一步探究的興趣。書中的計算和公式偶有小錯誤，基本都能經過上下文發現。算法
《Python神經網絡編程》中文PDF+英文PDF+源代碼編程
中文PDF，255頁，帶書籤，彩色配圖，文字能夠複製；英文pdf，207頁，帶目錄，彩色配圖，文字能夠複製；配套源代碼。網絡
下載: https://pan.baidu.com/s/1__Gvf950IP3JyaLrxmVFWA框架
提取碼: cbrj機器學習
神經網絡就是給定輸入，通過一些處理，獲得輸出。當不知道具體的運算處理方式時，嘗試使用模型來估計其運做方式，在這個過程當中能夠基於模型輸出和已知真實實例之間的比較來獲得偏差、調整參數。常見的神經網絡模型包括分類器和預測器。分類器是將已有數據分開；預測是根據給定輸入，給出預測的輸出。本質上沒有太大差異。在分類過程當中其實就是要找到線分開各組數據，關鍵就是肯定這條線，也就是肯定斜率。函數
我認爲，學習神經網絡的重點不是學習如何使用一些特定神經網絡庫，神經網絡庫常常變化，深度學習工具常常更新。重點在於要領悟讓神經網絡工做的原理。技術來來去去，但原理是永恆的。工具
經過學習解決一個具體的問題，如教會計算機識別手寫數字的問題，來學習神經網絡和深度學習的核心理論。這個問題用常規的方法法來編程解決是很是困難的。然而，正如咱們所看到的，它能夠很好地利用一個簡單的神經網絡來解決，只需幾十行代碼，沒有特別的庫。更多的是，咱們會經過屢次迭代來改進程序，逐步融入神經網絡和深度學習的核心思想。
《神經網絡與深度學習（美）Michael Nielsen 著》中文PDF+英文PDF+源代碼
中文版PDF，206頁，帶書籤目錄；英文版PDF，292頁，帶書籤目錄；配套源代碼。
下載: https://pan.baidu.com/s/1lxUtOSeyH-GuxFPb5Eb2oQ
提取碼: mc5m
神經網絡和深度學習給出了在圖像識別、語義識別和NLP領域中不少問題的最好解決方案。本書將會教你在神經網絡和深度學習背後的衆多核心概念。
神經網絡是計算智能和機器學習的重要分支，在諸多領域都取得了很大的成功。《神經網絡與機器學習》結合近年來神經網絡和機器學習的最新進展，從理論和實際應用出發，全面、系統地介紹了神經網絡的基本模型、方法和技術，並將神經網絡和機器學習有機地結合在一塊兒。注重對數學分析方法和理論的探討，也很是關注神經網絡在模式識別、信號處理以及控制系統等實際工程問題的應用。舉重若輕地對神經網絡的基本模型和主要學習理論進行了深刻探討和分析，經過大量的試驗報告、例題和習題來幫助更好地學習神經網絡。
《神經網絡與機器學習第3版》中文PDF，598頁，帶目錄；英文PDF，937頁，帶目錄。
下載: https://pan.baidu.com/s/1s3M9o5kV-sckvOOHcQ_HCg
提取碼: qe6r
包含 基於隨機梯度降低的在線學習算法；小規模和大規模學習問題。2. 核方法，包括支持向量機和表達定理。信息論學習模型，包括鏈接、獨立份量分析（ICA）、一致獨立份量分析和信息瓶頸。 隨機動態規劃，包括逼近和神經動態規劃。逐次狀態估計算法，包括卡爾曼和粒子濾波器。利用逐次狀態估計算法訓練遞歸神經網絡。 富有洞察力的面向計算機的試驗。
「花書「《深度學習》由全球知名的三位專家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰寫，是深度學習領域奠定性的經典教材。我的以爲github上的中文版翻譯的不錯，有700多頁，深度學習入門經典書籍，前幾章的數學基礎介紹的至關不錯。第一部分基本就是統計學習最基礎的線性代數，機率論等，第4章值得一讀，講了些數值分析裏常涉及的幾個概念(Poor Conditioning, Optimization method)。第5章介紹了Machine Learning各個算法。嚴格的數學推導較少。第二部分第7章講的正則化(Regularization)，第8章的優化方法(Optimization)和11章的方法論是任何模型都離不開的。將(基本)全部正則化方法放到一塊兒講解並作橫向比較。根據我的經驗詳細闡述了各類狀況下對應方法選擇。9,10,12章講的是如今比較成熟的模型及其應用。第三部分講的是深度學習領域比較活躍的科研問題。判別式模型(discriminative model)減小而生成式模型(generative model)增多就能夠看出主流的研究方向。19章講的EM算法，MAP，Sparse Coding都是Inference裏重中之重。
「花書「《深度學習》中文PDF和英文PDF，中文PDF，帶目錄，文字能複製；英文PDF，帶目錄，文字能複製；
下載: https://pan.baidu.com/s/1szXe5K1uBpv06v3ESyd3Cw
提取碼: sw6k
動手學深度學習交付有關深度學習的交互式學習體驗。不只闡述深度學習的算法原理，還演示它們的實現和運行。與傳統圖書不一樣，每一節都是一個能夠下載並運行的 Jupyter記事本，它將文字、公式、圖像、代碼和運行結果結合在了一塊兒。此外，還能夠訪問並參與書中內容的討論。分爲3個部分：第一部分介紹深度學習的背景，提供預備知識，幷包括深度學習最基礎的概念和技術；第二部分描述深度學習計算的重要組成部分，還解釋近年來令深度學習在多個領域大獲成功的卷積神經網絡和循環神經網絡；第三部分評價優化算法，檢驗影響深度學習計算性能的重要因素，並分別列舉深度學習在計算機視覺和天然語言處理中的重要應用。
《動手學深度學習》 PDF代碼+《神經網絡與深度學習 》PDF，《動手學深度學習(李沐等著)》 中文PDF，530頁，帶書籤，文字能夠複製。配套源代碼；《神經網絡與深度學習 (吳岸城)著》中文PDF，233頁，帶書籤目錄。
下載: https://pan.baidu.com/s/1Ji3gxgbl6wRCkoq_AP-kaw
提取碼: 1qjc
PyTorch是一個基於Python的深度學習平臺，該平臺簡單易用上手快，從計算機視覺、天然語言處理再到強化學習，PyTorch的功能強大，支持PyTorch的工具包有用於天然語言處理的Allen NLP，用於機率圖模型的Pyro，擴展了PyTorch的功能。經過學習《深度學習入門之PyTorch》，能夠從機器學習和深度學習的基礎理論入手，從零開始學習 PyTorch，瞭解 PyTorch 基礎，以及如何用 PyTorch 框架搭建模型。學到機器學習中的線性迴歸和 Logistic 迴歸、深度學習的優化方法、多層全鏈接神經網絡、卷積神經網絡、循環神經網絡，以及生成對抗網絡，最後經過實戰了解深度學習前沿的研究成果，以及 PyTorch 在實際項目中的應用。
《PyTorch深度學習實戰》《深度學習之Pytorch》+代碼
《深度學習之Pytorch廖星宇》PDF，232頁，帶書籤，文字可複製。《PyTorch深度學習實戰侯宜軍著）》PDF，121頁，帶書籤，文字能夠複製；配套源代碼。
下載: https://pan.baidu.com/s/1xPLGesq9GdKRaida9K94sg
提取碼: brhy
《PyTorch深度學習實戰侯宜軍著》第1章是Pytorch簡介和環境搭建；第2～8章是Keras的軟件框架說明，包含了層的說明，優化器和損失函數等；第9～10章重點介紹了深度學習中的卷積和池化的概念；第11～12章是介紹用神經網絡模型搭建圖像識別系統的實戰經驗；第13～16章介紹如何使用LSTM模型來處理天然語言。
PyTorch和Tensorflow，Keras，Theano等其餘深度學習框架都不一樣，它是動態計算圖模式，其應用模型支持在運行過程當中根據運行參數動態改變，而其餘幾種框架都是靜態計算圖模式，其模型在運行以前就已經確
TensorFlow是谷歌2015年開源的主流深度學習框架，目前已獲得普遍應用。《TensorFlow：實戰Google深度學習框架第2版》爲TensorFlow入門參考書，幫助快速、有效的方式上手TensorFlow和深度學習。書中省略了煩瑣的數學模型推導，從實際應用問題出發，經過具體的TensorFlow示例介紹如何使用深度學習解決實際問題。書中包含深度學習的入門知識和大量實踐經驗，是走進這個前沿、熱門的人工智能領域的優選參考書。
第2版將書中全部示例代碼從TensorFlow 0.9.0升級到了TensorFlow 1.4.0。在升級API的同時，第2版也補充了更多隻有TensorFlow 1.4.0才支持的功能。另外，第2版還新增兩章分別介紹TensorFlow高層封裝和深度學習在天然語言領域應用的內容。適用於想要使用深度學習或TensorFlow的數據科學家、工程師，但願瞭解深度學習的大數據平臺工程師，對人工智能、深度學習感興趣的計算機相關從業人員。
《TensorFlow實戰Google深度學習框架 第2版 》中文PDF和代碼，《TensorFlow實戰Google深度學習框架第2版》中文PDF，帶目錄標籤，文字能夠複製，363頁。配套源代碼。
下載: https://pan.baidu.com/s/1qnPtpD4xXDAe4F51lWZC3w
提取碼: mcgv
以前讀過一些論文，對理論比較熟，因此書的前面很快就學會了。對我這種代碼渣很友好，少見的用漢語寫的tensorflow好書，良心之做，不少細節都點出來了，而不是造名詞式的八股。