深度学习之美

书籍作者：张玉宏	ISBN：9787121342462
书籍语言：简体中文	连载状态：全集
电子书格式：pdf,txt,epub,mobi,azw3	下载次数：4477
创建日期：2021-02-14	发布日期：2021-02-14
运行环境：PC/Windows/Linux/Mac/IOS/iPhone/iPad/Kindle/Android/安卓/平板

内容简介

深度学习是人工智能的前沿技术。《深度学习之美》深入浅出地介绍了深度学习的相关理论和实践，《深度学习之美》共分16章，采用理论和实践双主线写作方式。第1章给出深度学习的大图。第2章和第3章，讲解了机器学习的相关基础理论。第4章和第5章，讲解了Python基础和基于Python的机器学习实战。第6至10章，先后讲解了M-P模型、感知机、多层神经网络、BP神经网络等知识。第11章讲解了被广泛认可的深度学习框架TensorFlow。第12章和第13章详细讲解了卷积神经网络，并给出了相关的实战项目。第14章和第15章，分别讲解了循环递归网络和长短期记忆（LSTM）网络。第16章讲解了神经胶囊网络，并给出了神经胶囊网络设计的详细论述和实践案例分析。

《深度学习之美》结构完整、行文流畅，是一本难得的零基础入门、图文并茂、通俗易懂、理论结合实战的深度学习书籍。

作者简介

张玉宏，2012年于电子科技大学取得博士学位，2009—2011年美国西北大学访问学者，电子科技大学博士后，现执教于河南工业大学。

中国计算机协会（CCF）会员，CCF YOCSEF郑州2018—2019年度副主席，ACM/IEEE会员。《品味大数据》一书作者。主要研究方向为大数据、人工智能、技术哲学。发表学术论文20余篇，国内外学术作品7部。阿里云云栖社区专栏作家，博文累计阅读逾百万次。

编辑推荐

适读人群：面向对深度学习感兴趣的初学者入门和提升

√零入门。本书在介绍深度学习时，也介绍了Python、TensorFlow、M-P模型、感知机等神经网络等基础知识，从而可以让读者零基础入门。

√高可读。有别于其他同类书籍的深奥难懂，本书配合近300幅手绘图片，一图胜千言，辅以大量的哲理故事，通俗易懂，独辟蹊径。

√重实战。除了理论部分的讲解不落窠臼，本书还重视实战，列举了大量具有启发意义的实战案例，循序渐进，让读者通过实战获得成就感。

√抓前沿。本书紧抓领域前沿，Geoffrey Hinton的新研究成果——神经胶囊网络，本书详细解读，辅以实战，让读者能够站在科研前沿。

前言

推荐序一

通俗也是一种美德

这是一个大数据时代。

这也是一个人工智能时代。

如果说大数据技术是还有待人们去研究、去挖掘、去洞察的问题，那么人工智能无疑是这个问题的解决方案，至少是方案之一。

人的智能，无疑是学习的产物。那么机器的智能呢，它何尝不是学习的产物？只不过在当下，它被深深地打上了“深度学习”的烙印。通过深度学习，我们可以把大数据挖掘的技术问题转换为可计算的问题。

有人说，深度学习不仅是一种算法的升级，更是一种思维模式的升级。其带来的颠覆性在于，它把人类过去痴迷的算法问题演变成数据和计算问题。吴军博士更是断言，未来只有2%的人有能力在智能时代独领风骚，成为时代的弄潮儿。所以，拥抱人工智能，携手深度学习，不仅是一种时代的召唤，而且顺应了当前科学技术对人才的紧迫需求。

深度学习矗立于人工智能的前沿。我们远眺它容易，但近爱它却不易。在信息过剩的时代，我们可能会悲哀地发现，知识鸿沟横在我们面前。的确，大量有关深度学习的书籍占据着我们的书架，数不尽的博客充斥着我们的屏幕。然而，很多时候，我们依然对深度学习敬而远之。

这个“敬”是真实的，这个“远”通常是被迫的。因为找到一本通俗易懂的有关深度学习的读物，并非易事。

张玉宏博士所著的《深度学习之美：AI时代的数据处理与最佳实践》，正是在这种背景下以通俗易懂的姿态面世的书籍。如果用一句话来形容这本书，那就是“通俗易懂也是一种美德”。

在任何时代，能把复杂的事情解释清楚，都是一项非常有用的本领。张玉宏博士是一名高校教师，加之他还是一名科技作家，因此，通俗易懂、行文流畅、幽默风趣，便成了这本书的特征。

这里有一个比喻：如果你爱好明史，且古文基础深厚，去阅读《明史》可能是你的不二选择；但倘若你不太喜欢学究气的著作，那就推荐你去读读当年明月所写的《明朝那些事儿》。本书仿佛就是《明朝那些事儿》版的“深度学习”。巧妙的比喻、合理的推断、趣味的故事，时不时地散落在书里，妙趣横生。

当然，这本书也不是十全十美的，但瑕不掩瑜，如果你想零基础入门深度学习，那么相信这本书一定能够给你提供很多帮助。

黄文坚

墨宽投资创始人、《TensorFlow实战》作者

2018年5月于北京

推荐序二

技术，也可以“美”到极致

和张玉宏博士认识是在2015年，那个时候我还在CSDN&《程序员》杂志做编辑。结缘的过程颇为巧合，仅仅是因为一次无意浏览，看到他在CSDN论坛义务回答网友的问题，被其认真、高水平和深入浅出的回答所吸引，倾慕之下，我策划了一次采访。而这次采访奠定了我们的友谊，文章在CSDN作为头条发布并获得3万多的阅读量后，我们在论文翻译、《程序员》杂志供稿上开始了合作。

仅仅牛刀小试，张博士翻译的文章就篇篇阅读量破万。对于晦涩难懂的技术文章而言，阅读量破万是很高的数字，无异于如今朋友圈的10万阅读量。其中最值得一提的是《PayPal高级工程总监：读完这100篇论文就能成大数据高手》这篇文章，在2015年阅读量近6万后，2017年又被某大数据公众号转载，在朋友圈刷屏。为此，我在微博上有感而发：“有价值的内容，是经得起时间冲刷的。”然而，文章被追捧的背后，则是张博士呕心沥血的付出，也许只有我知道——为了保障质量，那100篇论文张博士全部下载并看了一遍，独立注解超过50％，前后花了整整一周时间，通宵达旦，聚沙成塔。

2016年我来到阿里巴巴做云栖社区的内容运营，和张博士的合作也来到了这里。云栖社区是阿里云运营、阿里技术协会和集团技术团队支持的开放技术社区，是云计算、大数据和人工智能顶级社区之一。在这个阶段，张博士在技术文章翻译上又有了另外一种风格：局部放大翻译，就某个点深度解读，并加入自己的认识，这种类似“书评”式的写作方式，让原本枯燥的技术文章显得很有趣，在阅读量上也是立竿见影——他的文章的阅读量比一般技术文章的阅读量多好几倍，这在彼时的社区是极为少见的。

后来，张博士和我说，他想发表系列文章，细致地讲一讲深度学习，我非常认同和支持他做这件事。

于是接下来的几个月，张博士不断受到以下赞誉：

“文章形象生动，耐人寻味，重燃深度学习的欲望。”

“这个系列写得太棒了！！！谢谢您愿意分享。”

“大神，更新的频率可以稍微快点吗？万分感谢！”

有人甚至用追剧来形容自己的感受，并评论：“期待好久了，终于更新了，作者辛苦了，感谢作者提供该优秀文章以供学习。”

“容易理解，害怕大神不更新。”

……

这些赞誉，说的是在社区篇篇10多万阅读量的文章：

一入侯门“深”似海，深度学习深几许（深度学习入门系列之一）

人工“碳”索意犹尽，智能“硅”来未可知（深度学习入门系列之二）

神经网络不胜语， M-P模型似可寻（深度学习入门系列之三）

“机器学习”三重门，“中庸之道”趋若人（深度学习入门系列之四）

Hello World感知机，懂你我心才安息（深度学习入门系列之五）

损失函数减肥用，神经网络调权重（深度学习入门系列之六）

山重水复疑无路，最快下降问梯度（深度学习入门系列之七）

BP算法双向传，链式求导最缠绵（深度学习入门系列之八）

全面连接困何处，卷积网络见解深（深度学习入门系列之九）

卷地风来忽吹散，积得飘零美如画（深度学习入门系列之十）

局部连接来减参，权值共享肩并肩（深度学习入门系列之十一）

激活引入非线性，池化预防过拟合（深度学习入门系列之十二）

循环递归RNN，序列建模套路深（深度学习入门系列之十三）

LSTM长短记，长序依赖可追忆（深度学习入门系列之十四）

上面这些文章，光看标题就非同凡响，是的，能把技术文章的标题写得这么文艺和生动，一看文学功力就十分深厚。内容更不用说，通俗易懂、图文并茂、形象生动。“用这么幽默的语言，将那么高大上的技术讲得一个过路人都能够听懂，这是真的好文章。”身边的一位朋友如此述说。而更值得一提的是，在每篇博文后面，除了小结，还有“请你思考”，考察读者对知识的掌握情况，锻炼读者的思辨能力，让读者能够进一步主动学习，触类旁通。

这样出色的文章，也许只有张博士才能写出来。为什么呢？我想，一方面得益于其读博士时，在美国西北大学有过两年访学经历，他在中美教育差异上有过深刻的思考；另一方面，也源自他丰富的教学经验——是的，他在河南工业大学执教多年，懂得“教”与“授”的拿捏。对于张博士的教学，学生袁虎是这么谈论自己的感受的：“他的课跟美国高校的课堂比较接近——开放、平等、互动性强，鼓励学生去思考。上课的时候，他并不死守课本知识，而是特别注重教授给我们学习方法。”袁虎还特别指出，他们专业出来的几个技术大神多多少少都算是张博士的门徒。

在云栖社区的连载，从2017年5月17日开始，到8月17日结束，一共14篇文章，很多读者“追剧”至此，仍意犹未尽。有读者说：“作为机器学习小白，楼主的文章真是赞。楼主，出书吧！！！看博客真担心哪天突然就没有了。”因为一些原因，社区的博客篇幅有限，内容浅尝辄止……他觉得自己可以做得更多、更好。

因此，《深度学习之美：AI时代的数据处理与最佳实践》在这里和大家见面了。可以说，拿到这本书的读者是非常幸运的，因为你们不需要每天刷博客“追剧”，也不需要苦苦等待。你们可以边捧书边喝咖啡，在橘黄色的台灯下、在安静的深夜里看个尽兴。

人工智能在当下非常火爆。不可否认，也许你可以从汗牛充栋的网上获得深度学习的一些知识点或技巧，但网络中的知识是碎片化的。尤其对于初学者，如果想走得更远，需要一本书系统地进行指导，并从底层思考这些知识的来龙去脉，以及知识之间的关联，本书正是这样一本书。

结集成册的《深度学习之美：AI时代的数据处理与最佳实践》除了继承之前博文趣味性、通俗易懂等诸多优点之外，篇幅更宏大（此前的连载只是一个起步），内容上还增加了实战环节，让大家能够学以致用，在实践中与理论印证。另外，相比此前连载的博文，书籍中增加了许多张老师亲自绘制的趣图，诙谐地说明了不同知识点或概念间的区别。在理论上，张博士也对公式的前因后果给出了详细的推导过程，只有知道它是怎么来的，才能更好地运用它。学习知识不正是这样吗？

社会变化非常快，因此人们总爱反复核算事物的价值，喜欢性价比高的东西。如何衡量一本书的价值，除了看它是否能帮到你之外（技能价值），还要看它的社会价值。本书是张博士深度学习的思想随笔，兴之所至的内容，往往也是精彩至极、深度思考的结晶。

我非常佩服张博士，他不仅博览群书，还能够将不同类型的书籍内化，并结合生活案例，以一种非常有趣的形式将深奥的知识表达出来，比如用“求婚”“耳光”等例子讲解“激活函数”和“卷积函数”。尤其是“中庸之道”的例子，让大家在悟透一个很难弄懂的知识点的同时，自己的思想也从富有哲理的故事中变得不一样。

这种技术领域的人文情怀，绝非一般高手能做到的。上述认识，相信手握此书的您，也会很快感受到。

——@我是主题曲哥哥，网易高级编辑

前阿里云资深内容运营、CSDN&《程序员》杂志编辑

2018年5月

自序

深度学习的浅度梦想

这是一本有关“深度学习”的图书！

这是一本有关“深度学习”通俗易懂的图书！

这是一本有关“深度学习”的、有些人文情怀的图书！

我希望，我的读者在读这本书时，能给它这三种不同境界的渐进式的评价。第一个评价，说明它“有料”。第二个评价，说明它“有用”。第三个评价，说明它“有趣”。“有料、有用且有趣”是我对本书的定位，也是写作本书的浅度梦想，不是有大咖说过吗，“梦想还是要有的，万一实现了呢？”

写一本好书，真的很难！

但并非不能达成。窃以为，写成一本好书，通常有两条途径。第一条我称之为“自上而下大家传道法”。也就是说，有些学术大家已在领域内功成名就，名声斐然，他们俯下身段，抽出时间，高屋建瓴，精耕细作，必出精品。比如，卡耐基梅隆大学的Tom Mitchell教授编写的《机器学习》、南京大学周志华老师编写的《机器学习》，都是业内口碑极好的畅销常青树，实为我辈楷模。

但“大家写好书”并不是充分条件，因为大家通常都非常忙，他们可能非常“有料、有钱（有经费）”，但却未必“有闲”。要知道，写作不仅仅是一项脑力活，它还是一项极花费时间的体力活。

好在还有写成好书的第二条途径，我且称之为“自下而上小兵探道法”。也就是说，写书的作者本身并非领域专家，而是来自科研实战一线，他们的眼前也时常迷茫一片，不得不肉搏每一个理论困惑，手刃每一个技术难题，一路走来，且泣且歌，终于爬上一个小山丘。松了口气，渴了口水，嗯，我要把自己趟过的河，踩过的坑，写出来总结一下，除了自勉，也能让寻路而来的同门或同道中人，不再这么辛苦。

很显然，我把自己定位为第二类（至少梦想是）。

我是一个科技写作爱好者，我在网络上写过很多有关于大数据主题的（主要发表在CSDN）文章，也有关于深度学习的（主要发表于阿里云-云栖社区）。出于爱好写作的原因，有时我也关注写作的技巧。直到有一天，一位知名人士的一席话，一下子“电着”我了。他说，“写作的终极技巧，就是看你写的东西对读者有没有用。”拿这个标准来衡量一下，什么辞藻华丽、什么文笔优美，都可能是绿叶与浮云。在这一瞬间，我也明白了，为什么我所在的城市，地铁时刻表的变更通知，寥寥几百字，短短没几天，阅读量也可以轻易达到10万。嗯，这样的写作，有干货，对读者有用。好作品的要素，它都有！

于是，“对读者有用”，就成为指导我写作这本书的宗旨。以用户的思维度量，就可以比较清晰地知道，什么对读者有用。

当前，人工智能非常火爆。自从AlphaGo点燃世人对人工智能的极大热情后，学术界和产业界都积极投身于此，试图分得一杯羹。而当前（至少是当前）人工智能的当红主角就是“深度学习”，它不仅仅表现在AlphaGo一战成名的技术上，还表现在图像识别、语音识别、自然语言处理性能提升上，总总而生，林林而群。

当然，想投身于此并非易事，因为深度学习的门槛比较高。为了搞懂深度学习，我把国内市面上大部分与深度学习相关的书籍都买来拜读了（在后记中，我会感谢支持的各种基金），受益匪浅，但至少于我而言，它们大部分的学习曲线都是陡峭的，或者说它们大多高估了初学者的接受程度，为了读懂它们，读者真的需要“深度学习”。

在深度学习领域，的确也有一批高水平的读者，但他们可能并不需要通过相对滞后的书籍来提高自己的知识水平，新鲜出炉的arXiv论文，才是他们的“菜”。但高手毕竟有限，懵懵懂懂的初学者，数量还是相当庞大的。

于是，我想，写一本零基础入门的、通俗易懂的、图文并茂的、理论结合实战的深度学习书籍，对广大的深度学习初学者来说，应该是有用的。

本书的写作风格，也紧扣前面的四个修饰词，章节的安排也是按照循序渐进的节奏展开的。为了降低门槛和强调实践性，本书采用了双主线写作方式，一条主线是理论脉络，从基础的机器学习概念，到感知机、M-P模型、全连接网络，再到深度学习网络，深入浅出地讲解相关的理论。另外一条主线是实战脉络，从Python零基础入门说起，直到TensorFlow的高级应用。

全书共分16章，具体来说，第1章给出深度学习的大图（Big Picture），让读者对其有一个宏观认知。第2章和第3章，给出了机器学习的相关基础理论。仅仅懂理论是不够的，还需要动手实践，用什么实践呢？最热门的机器学习语言非Python莫属了。于是我们在第4章添加了Python基础，以边学边用边提高为基调，并在第5章讲解了基于Python的机器学习实战。

有了部分Python基础，也有了部分机器学习基础，接下来，我们该学习与神经网络相关的理论了。于是在第6章至第10章，我们先后讲解了M-P模型、感知机、多层神经网络、BP神经网络等知识。其中大部分的理论都配有Python实战讲解，就是让读者有“顶天（上接理论）立地（下接实战）”的感觉。接下来的问题就是，如果所有神经网络学习的项目都是Python手工编写的，是不是效率太低了呢？

是的，是该考虑用高效率框架的时候了，于是在第11章，我们讲解了被广泛认可的深度学习框架TensorFlow。有了这个基础，后面的深度学习理论就以此做实战基础。第12章详细讲解了卷积神经网络。随后，在第13章，我们站在实战的基础上，对卷积神经网络的TensorFlow实践进行了详细介绍。

任何一项技术都有其不足。在第14章，我们讲解了循环递归网络（RNN）。在第15章，我们讲解了长短期记忆（LSTM）网络。以上两章内容，并非都是高冷的理论，除了给出理论背后有意思的小故事，还结合TensorFlow进行了实战演练。在第16章，我们顺便“惊鸿一瞥”解读了Hinton教授的新作“神经网络胶囊（CapsNet）”，点出卷积神经网络的不足，并给出了神经胶囊的详细论述和实践案例分析。

本书中的部分内容（共计14篇），先后发表在技术达人云集的云栖社区（https://yq.aliyun. com/topic/111），然后被很多热心的网友转载到CSDN、知乎、微信公众号、百度百家等自媒体中，受到了很多读者的认可。于吾心，有乐陶然。

当然，从我对自己的定位——“小兵探道”可知，我对深度学习的认知，仍处于一种探索阶段，我仍是一个深度学习的学习者。在图书中、在网络中，我学习并参考了很多有价值的资料。这里，我对这些有价值的资料的提供者、生产者，表示深深的敬意和谢意。

有时候，我甚至把自己定位为一个“知识的搬运工”、深度学习知识的梳理者。即使如此，由于学术水平尚浅，我对一些理论或技术的理解，可能是肤浅的，甚至是错误的，所以，如果本书有误，且如果读者“有闲”，不妨给出您的宝贵建议和意见，我在此表示深深的感谢。同时，由于时间和精力有限，很多有用的深度学习理论和技术还没有涉及，只待日后补上。

张玉宏

2018年3月

深度学习之美

内容简介

作者简介

编辑推荐

前言

目录

产品特色