原標題：`五本必讀的深度學習圣經書籍，入門 AI 從「深度學習」開始`

（以下以 Daniel Jeffries 第一人稱撰寫）

多年來，由于實驗室研究和現實應用效果之間的鴻溝，少有人持續研究人工智能，AI 在很多領域停滯不前。然而近兩年，AI 在一些領域陸續有了重大突破，像是圖像識別、自動駕駛、Alpha Go 等等。許多八九十年代的算法，因為硬體速度慢和缺乏數據等原因而不再被使用。而現在，受眾多大數據和大規模并行芯片的支持，這些算法終于初見成效。

在過去的一年多時間里，研究人員競相出版專著，以滿足讀者對深度學習知識的渴求。第一本關于深度學習的書已經上架，更多的將會在夏天或者明年年初陸續上架。我有幸提前拜讀了一些專著的初稿，這些書的最終出版讓人期待萬分。

接下來我將推薦一些深度學習書籍給大家。這些書可以引導大家如何學習人工智能，這對深度學習的快速理解有很大幫助。

理論和實踐相互兼顧

我父親常說：「凡事均衡最好。」對此我深信不疑，且奉為圭臬。當然，我承認在周末或者在拉斯維加斯的時候，偶爾也會將其拋諸腦后。

我贊成理論與實踐要相互均衡。比如針對某個問題， 給一個明確的背景資訊，然后根據實例自己動手實踐。書本不要過多闡述理論知識，應該讓讀者邊學習邊查漏補缺。 設想有一本書，非常抽象，或者列舉大量的實例，卻不解釋問題的來龍去脈，你還看的下去嗎？

每個人都有自己的學習習慣，應該清楚地知道怎么學，才能卓有成效。我始終認為花時間去買那些與我無用的書，特別容易錯過真正適合的。如果你喜歡通篇理論，那就不必繼續看我的推薦了。如果你喜歡看那些理論與實踐結合相宜得章的書，相信我推薦的書單會讓你會喜歡。

《Deep Learning》

第一本書是 Ian Goodfellow 的《Deep Learning》。作者在 Google Brain 和 OpenAI 上做出了突出貢獻。不少人認為這本書是深度學習領域的圣經，因為它是迄今為止唯一一本融合了前幾十年研究工作的鴻篇巨著。

不過，除非你有較好的數學基礎，否則不建議你從本書入門，因為讀起來挫敗感十足。 書中不僅有大量的公式，同時寫得比較枯燥干澀。盡 Goodfellow 希望能傳授讀者更多的知識，但該書讀起來卻比較乏味，不能引人入勝。我估計明年首次參加大學深度學習課程的學生手中會擁有這本書，而其中許多人會因為這本書難懂而堅持不下去。這本書比較適合那些經過幾年相關工作后，仍想進一步掌握深度學習的從業者。對于擁有較多專業領域知識且正淮備初次踏入 AI 行業的專業程序員而言，這也是一本比較全面的指南。

本書免費中文版github.com/exacity/deeplearningbook-chinese

《Hands-On Machine Learning with Scikit-Learn and Tensorflow》

第二本是剛出版的《Hands-On Machine Learning with Scikit-Learn and Tensorflow》。雖然這本書也有大量的公式，不過 作者 Aurélien Géron 用簡單的方式詮釋了復雜的概念。全書寫得通俗易懂，可讀性很強，不過我也不強烈推薦。

《數學不好還學 AI》系列文章，是本書很好的補充，尤其是該系列的第五篇《用卷積神經網絡進行圖像識別》和第七篇《自然語言處理》。在我的印象中，這本書有詳盡的實例和相應代碼，兩者完美結合。我讀過在 Safari 的在線叢書初稿，當時許多部分沒有寫完，而且網站還將一些公式轉換的莫名其妙，但這并不影響我對內容的理解。

和其他優秀的修改稿一樣，最終版本相比初稿有了實質的躍進，完美詮釋了作者的觀點和採用的實例。本書內容的組織非常自然流暢，各種觀點都有清晰的實例證明，建議讀者看第一遍的時候，不要去管那些公式，以后需要時再去深入推敲。

《Deep Learning with Python》

第三本是《Deep Learning with Python》。作者是 Keras 框架的構建者 Francois Chollet。不過這本書還得過段時間才能出版。但透過 Manning 的 MEAP 系統可以閱讀前三章的內容，內容寫得很好，我極力推薦此書。

正如 Chollet 在編寫 Keras 框架時一樣 ，他神奇的將復雜概念簡單化，文中措詞巧妙，可讀性強。 即使是 AI 和深度學習中最具挑戰性的概念，他也同樣解釋的通俗易懂。讀了這本書我才真正理解什么是張量。書中有大量不錯的實例，大家可以在他的 Github上看看。隨著越來越接近正式出版，這本書也越來越完整。請關注支持作者，且同時，盡量能先在 MEAP 上跟進閱讀，留言給作者，來讓這本書更完善。

《Deep Learning: A Practitioner’s Approach》

第四本是《Deep Learning: A Practitioner’s Approach》。該書主要使用 Java 的深度學習框架 DL4J。目前 AI 領域的研究大多數使用 Python 語言實現，不過隨著越來越多企業涌入機器學習領域，Java 的使用可能會逐漸增多。由于 Java 擁有龐大的生態系統，現在的大公司里，它仍然是主要的開發工具。

這本書的讀者設定是深度學習的初學者。因此，如果你已經有一些深度學習的基本知識、并想進一步深入研究如何用 Java 實現深度學習的話，請直接跳過前面的例子。但是如果你沒什么深度學習經驗，Java 也不太熟悉的話，那么這本書值得你細細研讀。 尤其是第 4 章「出色的深度學習架構」，提供了一個可以幫你解決現實應用中架構問題的關鍵方法 。

雖然我不熟悉 Java 語言，但我把它分享給我的幾個寫程式的同事后，他們非常喜歡。在介紹深度學習上，書中的實例和書本的總體結構顯得非常專業。

《TensorFlow Machine Learning Cookbook》

最后推薦的是《TensorFlow Machine Learning Cookbook》。雖然書中的內容和編碼有一些錯別字，不過在自然語言處理等內容上，還是列舉了許多不錯的實例。和其他手冊書一樣，本書也偏重編碼，如果你不太了解卷積神經網絡的輸入輸出，你會被許多基本概念搞暈，買書前如果你已經看過其它的書，并且對書中的例子進行了實戰，那么這本書可以給你提供更多的練習與實踐。 但請不要把此書當作入門書，也不建議單獨購買此書 。
---------------------
作者：zqx951102
原文：https://blog.csdn.net/zqx951102/article/details/89036476

總結

以上是生活随笔為你收集整理的五本必读的深度学习圣经书籍，入门 AI 从 深度学习 开始的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。