![深入浅出神经网络与深度学习 - [澳]迈克尔·尼尔森（Michael Nielsen）](https://static.book345.com/covers/s/9787115542090.jpg)
书籍介绍
这不是一本教你调用框架、快速搭出模型的速成手册，而是一次带你重新理解
作者简介
【作者简介】
迈克尔·尼尔森（Michael Nielsen）
计算机科学家、量子物理学家、科普作家，Y Combinator Research的研究Fellow，曾受邀在哈佛大学、斯坦福大学、麻省理工学院、剑桥大学、牛津大学等高校以及谷歌和微软等公司做主题演讲，另著有高分作品《重塑发现》和《量子计算和量子信息》。
【译者简介】
朱小虎
University AI创始人兼首席科学家、Center for Safe AGI创始人、谷歌开发者机器学习专家、百度深度学习布道者。和团队核心成员一起创建了TASA、DL Center（深度学习知识中心全球价值网络）和AI Growth（行业智库培训）等。举办过多场国际性人工智能峰会和活动。在多个技术平台写下了近百万字的人工智能精品技术内容。曾受邀为多所国内高校制定人工智能学习规划和教授人工智能前沿课程，也曾为多家世界500强企业提供人工智能方面的战略布局建议及落地实施等方面的咨询建议。
AI导读
核心看点
- 以MNIST项目贯穿，手把手教你用Python实现神经网络。
- 物理学家视角，用直观方式解释反向传播等核心数学原理。
- 兼顾理论与实战，详细讲解过拟合、正则化及CNN架构。
读者共识
- 公认的最佳神经网络入门书之一，概念讲解极其清晰透彻。
- 翻译质量参差不齐，部分读者强烈建议直接阅读英文原版。
- 内容虽薄但精华密集，适合反复研读以构建完整知识体系。
精彩摘录
- "那么有一个较为可信的理由可以解释为什么用10个输出而非4个：如果有4个输出，那么第1个神经元将设法判断数字的最高有效位是什么。数字的最高有效位于数字形状不容易联系到一起。"
- "With that said, this idea of preferring simpler explanation should make you nervous. People sometimes refer to this idea as "Occam's Razor", and will zealously apply it as though it has the status of some general scientific principle. But, of course, it's not a general scientific principle. There is"
- "The end result is a network which breaks down a very complicated question - does this image show a face or not - into very simple questions answerable at the level of single pixels. It does this through a series of many layers, with early layers answering very simple and specific questions about the"
- "Neural networks are one of the most beautiful programming paradigms ever invented. In the conventional approach to programming, we tell the computer what to do, breaking big problems up into many small, precisely defined tasks that the computer can easily perform. By contrast, in a neural network we"
- "Where does the "softmax" name come from? Suppose we change the softmax function so the output activations are given by aLj=eczLj∑keczLk,(83) where c is a positive constant. Note that c=1 corresponds to the standard softmax function. But if we use a different value of c we get a different function, w"
- "假设神经网络错误地把一个“9”的图像分类为了“8”，我们可以计算如何修改权重和偏置，以使神经网络能够把图像分类为“9”。然后重复这项工作，反复改动权重和偏置来产生更好的输出。神经网络正是通过这种方式进行学习的。"
- "“隐藏”听上去有些神秘，我第一次听到这个词时，以为它涉及某些深奥的哲学或数学涵义，实际上它仅仅意味着“既非输入也非输出”。"
- "相比于神经网络中的输入层和输出层，设计隐藏层堪比艺术创作，尤其是无法将隐藏层的设计流程总结为简单的经验法则。不过，神经网络研究人员已经针对隐藏层提出了许多设计法则，它们有助于控制神经网络的行为，使之符合预期，例如可以利用这些法则估算隐藏层数量和训练神经网络所需的时间。后面会介绍其中几条设计法则。"
目录
用户评论
好多年前我就读过这个网络教程，这是深度学习热早期出现的一个著名教程，但我读得很费劲，毕竟他的代码实现一点都不平实易懂（不必要的炫python技巧）。尽管我已不需要用它学习神经网络，现在算是重新温习一下，但其印象依然一般。
虽然翻译的略有瑕疵，但是本身无法掩盖大师深入浅出的描述功底，想要深入理解最好的入门书，没有之一，搞技术的话， show me code or math，这本书都做得非常棒。纸上得来终觉浅，要知此事须躬行
快速通读了一遍，在方法论上，书里讲的更多的是“道”，对于“术”方面的东西一带而过。如果没记错的话，作者是搞量子方面的大咖，数学基础扎实。
体量很小的入门书，很基础，讲的也很明白，深入浅出，容易理解。中译本有些错误，需要对照着原版。
很早就读了开源版本，可以结合英文版一起阅读，都是免费的，非常佩服作者将深度学习从感知器到CNN讲解地那么透彻，算是我入门深度学习的好书，非常推荐，阅读过程中，我也详细写了笔记，比如感知器代码实现，梯度下降、交叉熵的公式推导，结合其他书补充相关知识，如果阅读次数过程中踩坑的朋友有兴趣可以看看交流：
笔记地址：https://www.howie6879.cn/ml_book/docs/02_nndl/01.%E8%AF%86%E5%88%AB%E6%89%8B%E5%86%99%E5%AD%97/
花了一晚上时间大致读了一下，我需要慢慢消化这本书，或者等着有机会再好好读吧，要是早点知道这本书，可能会好好读一下，然而在知道它之前我已经阅读了几本神经网络的书籍，所以，我很快速地读完了这本书，寄希望可能以后教学作为参考也是很好吧。
读一半弃了，代码风格不喜，除去代码，书nice
很好的一本深度学习入门书。
中规中矩
下载
收藏