本文为大家介绍了一本交互式深度学习书籍。
近日,由 Aston Zhang、李沐等人所著图书《动手学深度学习》放出了在线预览版,以供读者自由阅读。这是一本面向在校学生、工程师和研究人员的交互式深度学习书籍。
在线书地址: https://zh.diveintodeeplearning.org/index.html GitHub 项目: https://github.com/diveintodeeplearning/d2l-zh
这本书是亚马逊 MXNet 零基础深度学习课程的重要组成部分。课程内容推荐使用 Apache MXNet 的前端工具 Gluon 进行开发,可指导你在动手实践的过程中学会使用简单易读的代码,写出产品级的应用。
值得一提的是,该书以 Jupyter 记事本的形式呈现,读者可以操作其中的代码和超参数来获取及时反馈,以此提高学习效率。
贡献者
本书的贡献者包括多位供职于亚马逊的科学家:
李沐:亚马逊首席科学家,美国卡内基梅隆大学计算机系博士。
阿斯顿·张:亚马逊应用科学家,美国伊利诺伊大学香槟分校计算机科学博士。
扎卡里 C. 立顿:亚马逊应用科学家,美国卡内基梅隆大学助理教授,加州大学圣迭戈分校计算机科学博士。
亚历山大 J. 斯莫拉:亚马逊 ML 总监,德国柏林工业大学计算机科学博士。
此外,本书在开源社区还有 100 余位贡献者。作者表示,这一在线书“项目”仍然在不断发展当中,成为贡献者将可以获得专享版赠书,并被致谢。
交互:Jupyter 记事本+活跃的社区支持
每一小节都是可以运行的 Jupyter 记事本,你可以自由修改代码和超参数来获取及时反馈,从而积累深度学习的实战经验。
Jupyter 记事本下载地址: http://zh.diveintodeeplearning.org/d2l-zh.zip
本书还有活跃的社区支持,可以通过每个章节最后的链接来同社区的数千名小伙伴一起讨论学习。
结构:公式 + 图示 + 代码
本书不仅结合文字、公式和图示来阐明深度学习里常用的模型和算法,还提供代码来演示如何从零开始实现它们,并使用真实数据来提供一个交互式的学习体验。
这三种展示方法能相互补充,很多算法可以通过图示加深对结构的理解,而如上图所示的 LSTM 等算法却需要公式才能理解具体结构。此外,不论是表达式还是图例,它们都不能包含完整的细节,很多具体细节不用代码是展示不出来的。
目录
引言
预备知识
深度学习基础
深度学习计算
卷积神经网络
循环神经网络
优化算法
计算性能
计算机视觉
自然语言处理
附录