市面上深度學習的書籍很是多，對於初學者來講，選一本好書進行學習很重要。那麼要如何選擇咱們能夠從5個方面進行考慮：git
書的內容是否全面和深刻github
公式推導是否夠仔細編程
程序講解是否夠細緻，是否實用微信
書中的圖表準備得是否夠用心網絡
書的邏輯結構是否清晰，講解是否細緻框架
下面我就從這5個方面來介紹一下我開源的新書：
ide
1.從最基礎的內容一直到深度學習三大應用（圖像，NLP和音頻）都有涉及，而且全部內容都會進行最細緻的講解。你們能夠到Github上看一下個人書籍目錄，由於具體的目錄太長我就不貼到這裏了。章節目錄爲：
函數
第1章 深度學習背景介紹學習
第2章 搭建Python編程環境 優化
第3章 單層感知器與線性神經網絡
第4章 BP神經網絡
第5章 深度學習框架Tensorflow基礎使用
第6章 網絡優化方法
第7章 Tensorflow模型的保存和載入
第8章 卷積神經網絡CNN
第9章 序列模型
第10章 經典圖像識別模型介紹（上）
第11章 經典圖像識別模型介紹（上）
第12章 圖像識別項目實戰
第13章 驗證碼識別項目
第14章 天然預測處理NLP發展歷程（上）
第15章 天然預測處理NLP發展歷程（上）
第16章 NLP任務項目實戰
第17章 音頻信號處理
第18章 圖像風格轉換
第19章 生成對抗網絡GAN
第20章 模型部署
2.咱們看一本書的公式推導其實就能夠看出這本書的寫做風格，若是公式推導比較仔細，那麼寫做風格應該就是比較細緻的；若是公式推導比較抽象，那麼書裏面的內容應該也是比較抽象的。
個人書裏全部公式推導都有詳細步驟，並解釋每一個符號。本書中全部數學公式都會列出詳細推導步驟，並解釋每一個相關符號的含義，幫助你們理解。
書中截圖1
書中截圖2
3.咱們看一本書的代碼能夠看出這本書的水準和做者的用心程度。若是隻是大段大段粘貼網上的代碼，那很顯然沒什麼水準做者也不怎麼用心。
個人書裏會註釋每一行代碼。我對代碼的要求是邏輯結構清晰，程序在容易理解的基礎上儘可能精簡，而且要註釋每行程序。我以爲對於初學者而言，最好是能夠理解每一行代碼，每一個函數，函數中所使用的每一個參數，這樣學習會感受比較紮實。程序皆爲完整程序。本書一共82個代碼應用案例，全部的代碼都是能夠從頭至尾運行的完整程序，並附帶真實運行結果，不存在程序片斷樣例。我以爲程序片斷對於初學者的學習不太友好，你們拿到一個程序片斷每每仍是不知道如何使用，或者用起來的時候出現不少錯誤，因此我在書中使用的全部程序都是能夠從頭至尾直接運行的完整程序。
4.咱們看一本書的插圖能夠看出做者的用心程度。深度學習中不少模型結構，計算流程之類的內容很難用公式或者語言表達清楚，但每每一張好的圖片就能夠說明一切。若是有些做者以爲圖片不重要，那我以爲這個想法自己就有點問題。若是真心但願別人能從本身書裏學到東西，那麼就應該儘可能用讀者更容易接受的方式去傳達知識和內容，好比畫圖。
一圖勝千言。本書一共使用了約500張圖片，在本書的創做過程當中，大約有200個小時是花在畫圖以及思考如何畫圖上。下面隨便貼幾張書中的原創圖片給你們看一下：
5.書的邏輯結構是否清晰，講解是否細緻。
你們若是有看過個人視頻課程應該知道，個人風格就是邏輯清晰，講解細緻，因此個人書也是這個風格。
那是說到最後，哪本深度學習的書纔是初學者的最佳選擇呢？沒有對比就沒有傷害。咱們能夠把市面上全部深度學習的書收集過來，而後使用以上所說的5點標準來進行評估，最後你們就能夠很是輕易的獲得結論。我以爲最適合初學者學習的深度學習的書籍很顯然就是。。。。。。就是你們如今所想的這一本。
點擊下方原文連接下載電子書
本文分享自微信公衆號 - AI MOOC人工智能平臺（AIMOOC_XLAB）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。