给大家推荐一本个人目前读到的最好的深度学习相关的书籍,《神经网络与深度学习》,个人的体验甚至超过了花书《Deep Learning》。这本书是由复旦大学 邱锡鹏 老师写作的一本深度学习教科书。书籍的主页,目前开源在github,star已经超过11.4k,豆瓣评分高达9.6。可以在主页直接下载pdf。
最近这一周学习了一下,感觉确实非常不错,兼具广度和深度,在这里推荐给大家。
在我看来,本书有以下几个优点
一、一切推导相关都以数学为基础,清楚明白。区别于一些博客中玄之又玄的一些人工解释,统一的数学符号来阐述整套深度学习的理论,非常容易理解网络的本质。全彩配图和论文引用,排版非常清晰,甚至可以说是精美。
二、兼具广度和深度。
广度方面,从深度学习最基本的结构,优化算法,到时下比较流行的一些新的topic比如元学习(meta learning), 序列生成模型等都有涉及。本书的主要部分完成于19年,引用的paper里面也经常17、18年左右的的重要论文。
深度方面,对于一些比较新的模型结构做了归纳和梳理,更加好的呈现在了读者面前。比如Attention,在阐述的时候既把一些经典的attention方法做了梳理,同时也融合了经典的《Attention is All You Need》中的变换。
三、完备的资料配置和参考文献。书籍配置了练习题和解答的讨论区,课后习题在github上也有解答,对于进一步的思考是非常有帮助的。在我看来,唯一的一点缺憾是,如果能够有一点编程练习题,比如给定一些语料处理一些东西当做课后习题那就更好了。
