Python深度学习

本书是使用 Python 进行深度学习实践的初学指南，原书名 Deep Learning Step by Step with Python: A Very Gentle Introduction to Deep Neural Networks for Practical Data Science。全书不从大量公式和推导出发，而是以实际案例为主线，用直白易懂的方式讲解深度神经网络最常承担的两项任务——分类与回归，并借此梳清深度学习模型中的若干核心问题，帮助读者对深度学习的全貌建立清晰认识。全书共 9 章：第 1 章讲如何阅读本书与环境准备（获取 Python、常用软件包）；第 2 章从“为什么要学深度学习”入手，区分有监督与无监督学习，说明深度学习能解决什么问题、哪些领域在用；第 3 章介绍神经网络基础知识，包括发展简史、网络拓扑、人工神经元、激活函数（以 sigmoid 为例）以及梯度下降与随机梯度下降；第 4 章概要介绍深度神经网络及快速逼近任意函数的方法；第 5 章讲如何构建可定制的深度预测模型，涉及预测目标、数据标准化、训练集与测试集划分；第 6 章讨论提升性能的技巧；第 7 章解析二元分类神经网络；第 8 章讲构建优秀模型之道；第 9 章给出深度神经网络在多元分类问题上的简单应用。全书约 154 页、13.3 万字，节奏轻快，适合用较短时间完成一次深度学习动手入门。