本书旨在让读者通过实际动手操作来深入理解深度学习。为了明确本书的读者对象，这里将本书涉及的内容列举如下。

  • 使用 Python，尽可能少地使用外部库，从零开始实现深度学习的程序。
  • 为了让 Python 的初学者也能理解，介绍 Python 的使用方法。
  • 提供实际可运行的 Python 源代码，同时提供可以让读者亲自实验的学习环境。
  • 从简单的机器学习问题开始，最终实现一个能高精度地识别图像的系统。
  • 以简明易懂的方式讲解深度学习和神经网络的理论。
  • 对于误差反向传播法、卷积运算等乍一看很复杂的技术，使读者能够在实现层面上理解。
  • 介绍一些学习深度学习时有用的实践技巧，如确定学习率的方法、权重的初始值等。
  • 介绍最近流行的 Batch Normalization、Dropout、Adam 等，并进行实现。
  • 讨论为什么深度学习表现优异、为什么加深层能提高识别精度、为什么隐藏层很重要等问题。
  • 介绍自动驾驶、图像生成、强化学习等深度学习的应用案例。
上一章目录下一章