計算機視覺與深度學習，看這本書就夠了

開始機器學習知識的學習，差很少已經有一年的時間。這期間看了不少教材和書籍，有些深刻進行了學習，有些書（好比深度學習領域著名的西瓜書）則看不下去。機器學習其實也有許多方向，好比強化學習、計算機視覺、天然語言處理等等，若是每一個方向都學習的話，普通人也沒有那麼多精力。

在通過一年的泛泛的學習以後，決定將計算機視覺做爲個人主攻方向，主要也是由於我對計算機圖像這個領域比較感興趣。在網上搜索了一些資料，以及推薦書單後，決定選擇《Deep Learning for Computer Vision with Python》做爲認真研讀的一本書，目前已經差很少看完了第一部: Starter Bundle，以爲很是不錯，推薦給有志於從事計算機視覺方向的朋友。

首先須要說明的是，這本書目前尚未中文版，好在做者沒有使用生僻的詞彙，用詞遣句也比較簡練，配合着Google翻譯，讀起來還算順利。在公衆號後臺回覆「計算機視覺」能夠下載本書的電子版。

由計算機視覺專家Adrian Rosebrock編寫的《Deep Learning for Computer Vision with Python》被評爲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 庫的做者Francois Chollet對於本書作出過這樣的評價：

這是一部關於計算機視覺的卓越的、深刻且實用的深度學習實踐做品。我認爲它很是易讀易懂：書中的解釋清晰而又詳細。在書中你可以找到許多在其餘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。

這本書分爲三個bundle:

• Starter Bundle - 這部分的內容比較基礎，包括從零開始實現迴歸算法、深度神經網絡和卷積神經網絡。對於徹底沒有機器學習基礎的人而言，能夠從實例中學習到深度學習的基礎知識。若是有必定的深度學習知識背景，也能夠學習到在實際中若是應用深度學習（主要是圖像分類），加深對深度學習的理解。

• Practition Bundle - 這部分的內容在Starter Bundle基礎上更進一步，探討的是在實際中可能會碰到的問題及解決之道，好比提升識別的精度、模型選擇、超大數據集，最後引入了幾個大型的、複雜的網絡模型。

• ImageNet Bundle - 這部分更多的關注於實戰，前半部分是在ImageNet數據集上訓練各類複雜的網絡，後半部分則是解決實際生活中的問題，包括表情檢測、車輛識別、年齡預測等等。完成這部分的學習以後，想必你的實戰能力會提升一大截。

若是你對在計算機視覺（圖像分類、對象檢測、圖像理解等）中應用深度學習有興趣，那這本書再好不過了。

在這本書中，你將可以：

• 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，包括對象檢測、多GPU訓練、遷移學習以及生成對抗網絡等
• 復現最前沿的論文成果，包括ResNet、 SqueezeNet、 VGGNet以及其餘存在於 ImageNet 數據集中的成果

這本書最吸引個人地方在於，書籍兼顧了理論和實踐二者之間的平衡，對每個深度學習理論，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。書中有詳細的代碼，且代碼都有比較詳細的說明，對Engineer很是友好。

我在學習的過程當中，都會嘗試着輸入代碼，加深對代碼的理解。你能夠訪問：github.com/mogoweb/aie…

在公衆號後臺回覆「計算機視覺」能夠下載本書的電子版。