我 · 出 · 书 · 了！-红色石头的个人博客

跟大家说个事，也算是憋了很久，之前花了近一年时间撰写的 AI 书籍《深度学习入门：基于PyTorch和TensorFlow的理论与实现》终于正式出版了！

一睹真容：

这里跟大家唠一下，之前很多出版社的编辑找过我，想让我写一本关于机器学习或深度学习的入门教程。一开始我是拒绝的，大家知道，写书是一件超级麻烦的事，需要架构、排版、系统化等等，远比写一篇原创文章要耗费精力得多。

后来，机缘巧合吧，一段时间比较空闲，正好清华大学出版社找到我，于是就开始漫漫写书路。。。好在我是那种既然选择做一件事就要把它做好的性格，这本书也在自己的精心打磨下出版了~

下面就是“官方介绍”啦~跟大家介绍一下这本书吧！

为什么写这本书？

在学习深度学习的几年时间里，我学过一些国内外优秀的深度学习公开课程，口碑都很好；我也看过不少大牛老师写的高质量书籍，收获颇丰；我也在学习的过程中走过一些弯路，遇到一些坑，这些也是宝贵的经验。

我个人觉得，任何前沿技术，如深度学习，扎实的基础知识非常重要。而最好的基础知识的获取方式还是教材和书本。但是，反观现在一些深度学习方面的书籍，或多或少存在一些问题：

1、数学理论太多，公式多，起点高，对初学者不友善，容易削弱入门学习的积极性。

2、只讲深度学习框架，教你如何调包、调用库函数，不讲深度学习理论知识。容易造成一知半解，沦为“调包侠”。

3、理论与实战的脱节，过于侧重理论或者过于侧重实战，二者之间没有很好的融合。

基于以上这些问题，我认为写一本真正适合深度学习初学者的入门书籍非常必要。这样的书籍不仅要兼顾理论和实战，还应该将重难点知识通俗化讲解、全面细致。难度有阶梯性，照顾不同水平的读者。这样的书籍才能最大程度地让读者受益。

基于这样的考量，《深度学习入门：基于PyTorch与TensorFlow的理论与实战》跟大家见面了。

本书特色

我刚刚也说了，对于初学者而言，一本好的深度学习书籍，宗旨就是让读者能够轻轻松松地掌握知识、触类旁通。本书作为一本深度学习的入门书籍，对初学者是非常友好的。本书的内容来自于我多年的知识积累和技术沉淀，也是我的一份深度学习经验总结。

首先，这本书包含了Python的基本介绍。Python作为人工智能的首选语言，其重要性不言而喻。Python入门非常简单，本书将会对深度学习中所需的基本Python语法知识进行简明扼要的提炼和概括。如果有的读者之前没有接触过Python，那么本书将轻松带你入门。

其次，这本书介绍了如今主流的深度学习框架PyTorch和TensorFlow。通过本书，读者可以对这两个框架的基本语法和基础知识有一个系统的学习，夯实基础。如果你之前对PyTorch和TensorFlow不了解也没有关系，这本书也可以是这两个框架的知识学习手册。

然而，最重要的，这是一本关于深度学习的入门教程。我在编写该书的时候，从小白的视角出发，结合我多年的知识和经验，尽量将深度学习、神经网络的理论知识用通俗易懂的语言描绘出来。这本书能让读者真正了解、熟悉神经网络的结构和优化方法，也能帮助读者梳理一些容易被忽视的技术细节。例如最简单的梯度下降算法，它的公式来源和理论支持是什么？本书都会有详细的解释。

值得注意的是，我一贯的坚持是将复杂的理论简单化，这本书会将理论以平易化的语言描述清楚，但不会深陷于数学公式之中。这本书面向的深度学习的入门者和初学者，不会涉及太多太复杂的理论知识。因为入门深度学习，前期整体上的感性认识尤为重要。轻松入门，往往是比较正确的学习路线。我在编写该书的时候，也一直在把握这个分寸和尺度。如果想要学习更深层次、更高级的深度学习知识，读者可以查阅更多的书籍、会议论文、前沿技术等。

除此之外，深度学习更重要的是代码实践，这也是本书一直秉承的一个重点。这本书的另一个优势就是不仅讲理论知识，也配备了完整的实战项目和代码。从简单的逻辑回归，到浅层神经网络、深层神经网络，再到CNN、RNN，都会通过一个实际项目从零搭建神经网络，或者使用PyTorch、TensorFlow来构建更复杂的例如CNN、RNN模型解决问题。

本书的所有代码，我都开源放在了GitHub上，地址如下：

https://github.com/RedstoneWill/dl-from-scratch

面向的读者

这是一本深度学习的入门书籍，也是一本关于Python、PyTorch、TensorFlow的工具手册；这是一本深度学习的理论书籍，也是一本教你如何编写代码构建神经网络的实战手册。我希望这本书能够帮助更多想要入门深度学习的爱好者，能够帮助读者扫清学习过程中的障碍，再上新台阶。

本书面向的读者包括：深度学习初学者；对深度学习感兴趣的在校大学生；有意向转行AI领域的IT从业人员。当然，这本书也是不错的深度学习工具手册，里面不仅有理论知识，也有示例代码。

值得一提的是，如果你已经有很高的深度学习水平了，那么可能本书不太适合你，你应该更关注深度学习的前沿理论和论文。

目录介绍：

本书是一本系统介绍深度学习基础知识和理论原理的入门书籍。全书以神经网络的基本结构入手，详细推导了前向传播和反向传播的数学公式和理论支持；详细介绍了如今各种优化神经网络的梯度优化算法和正则化技巧，也给出了在实际应用中的超参数调试和网络训练的技巧；同时，也介绍了典型的卷积神经网络（CNN）和循环神经网络（RNN）。除了理论基础之外，本书以Python为基础，详细介绍了如今主流的深度学习框架TensorFlow和PyTorch，并分别使用这两种框架来构建相应章节的项目，帮助读者从理论和实践中提高自己的深度学习知识水平。

全书共分为三个部分：第一部分（第1~3章），主要对深度学习进行简要概述，列举重要的 Python 基础知识，如何搭建开发环境，以及TensorFlow和PyTorch的精炼教程；第二部分（4~7章），主要介绍神经网络的基础，以感知机入手，到简单的两层神经网络，详细推导正向传播与反向梯度的算法理论，然后介绍深层神经网络，并重点介绍神经网络优化算法及构建神经网络模型的实用建议；第三部分（8~9章），主要介绍卷积神经网络（CNN）和循环神经网络（RNN）的基本结构，重点剖析两种模型的数学原理和推导过程。

前言
第一章深度学习基础
第二章 PyTorch
第三章 TensorFlow
第四章神经网络基础知识
第五章神经网络
第六章深层神经网络
第七章优化神经网络
第八章卷积神经网络
第九章循环神经网络

如何获取

这本新书《深度学习入门：基于PyTorch和TensorFlow的理论与实现》已经在京东、当当开售了。需要的读者自行获取，也可以点击底部“阅读原文”获取！

后记

深度学习涉及的范围很广，也在不断涌现新的深度学习技术。本书只是介绍了深度学习的基本的，也是必备的基础知识，例如传统的前馈神经网络、卷积神经网络、循环神经网络等基本结构。实际上，本书的很多章节，例如卷积神经网络、循环神经网络都可以独立成书，因为确实包含了很多的知识内容。由于篇幅的限制，很多更深层次的内容我们在本书中没有提及。

另外，深度学习包含的领域是很广的！其它更深入的更复杂的内容，包括强化学习、GAN模型、自动驾驶等，本书也没有介绍。感兴趣的读者可以查阅相关书籍或者文献。

不过，读者大可放心，本书介绍的内容是基础的，也是核心的。通过本书的学习，读者一定能够比较顺利地入门深度学习。

最后，本书的源码全部开源，读者可以从GitHub上获取：

https://github.com/RedstoneWill/dl-from-scratch

也可以关注我的个人微信公众号：AI 有道（ID：redstonewill）。