實戰入門深度學習，李沐中文新書贈送

機器之心報道

作者：一鳴

2018 年底，機器之心介紹了李沐等人開源的中文書籍《動手學深度學習》。不久前，該書紙質版上線，機器之心聯合人民郵電出版社，向購買機器之心 GMIS 大會門票的讀者免費贈送 20 本書籍。

近年來，不論是計算機專業的學生，還是已在科技互聯網行業從業多年的技術人員和其他從業者，人們對深度學習的興趣從未如此高漲。雖然許多深度學習領域的專家學者開設了各種各樣的入門課程和教材，但真正系統性梳理這一領域知識、同時能夠提供理論講解和代碼實現的書籍屈指可數。此外，由於語言等因素，中文版本的優秀深度學習教材也是鳳毛麟角。

之前，亞馬遜首席科學家李沐等人曾以電子版的形式在 GitHub 上開源了一本深度學習中文書籍——《動手學深度學習》，這是一本深度學習的入門教程類書籍，其英文版被加州大學伯克利分校的「深度學習導論（STAT 157）」課程採用。2019 年李沐等在加州大學伯克利分校教授深度學習課程時使用了這本教程。目前，該項目在 GitHub 上已獲得超過一萬顆星，吸引了大量深度學習研究人員、技術人員和學生參與學習、討論和貢獻。最近，該書發布了紙質版，幫助更多對深度學習有興趣的讀者更好地學習。

作者介紹

本書的主要作者有四位，分別是：

李沐：亞馬遜首席科學家，美國卡內基梅隆大學計算機系博士。

阿斯頓·張：亞馬遜應用科學家，美國伊利諾伊大學香檳分校計算機科學博士。

扎卡里 C. 立頓：亞馬遜應用科學家，美國卡內基梅隆大學助理教授，加州大學聖迭戈分校計算機科學博士。

亞歷山大 J. 斯莫拉：亞馬遜副總裁/傑出科學家，德國柏林工業大學計算機科學博士。

此外，本書在開源社區還有 100 余位貢獻者。作者在紙質版前言中對所有參與貢獻者致謝。

內容簡介

《動手學深度學習》是一本教材，涵蓋了深度學習中大部分的知識點。該書首先介紹深度學習的預備知識和基礎知識，然後介紹其中的數學計算理論，之後主要介紹深度學習中的兩大重要網路模型——卷積神經網路和循環神經網路。此外，這本書專門提到了優化演算法和提升計算性能的方法。最後，該書介紹了深度學習的兩個主要應用領域——計算機視覺和自然語言處理。

該書的章節結構見下圖：

該書的結構

公式 圖示 代碼

本書最大的亮點在於，每一個知識點都由三個部分組成：公式 圖示 代碼。

公式用於準確地理解深度學習演算法的實現細節，圖示則從直觀的數據層面展示了計算過程，最終的代碼部分為讀者提供了清晰的程序實現方式。

如圖所示：以 LSTM 網路為例，左圖為 LSTM 的公式，提供了在每一時間步中輸入門、遺忘門等的計算過程；中間的圖則表示了 LSTM 單元內部的計算方法；右圖則提供了代碼實現（基於MXNet）。

在 Jupyter Notebook 中學習

本書的第二個亮點是：所有的紙質版內容和 Jupyter Notebook 無縫銜接。本書提供了 Jupyter 資源庫，每一章內容都是一個 Jupyter 筆記本文件。這樣一來，只要進入書對應的 Jupyter 筆記本，讀者就可以運行對應的代碼塊，並查看運行結果和圖表了。

本書附帶 Jupyter Notebook 資源，讀者可根據說明使用 Jupyter Notebook 運行代碼。

豐富的討論社群

由於本書已在 GitHub 社區開源，有百餘位參與者共同貢獻了其中的內容，因此本書自誕生起便具備開源屬性。為了繼承開源的傳統，方便讀者之間進行交流和探討，紙質版書籍的每一章都附帶二維碼，讀者可以掃碼直達 MXNet 的 Gluon 討論區，和其他讀者一起參與課程討論。

書中每個章節都設有討論區。

書籍目錄

引言

前言

深度學習簡介

如何使用本書

預備知識

獲取和運行本書代碼

數據操作

自動求梯度

查閱 MXNet 文檔

深度學習基礎

線性回歸

線性回歸的從零開始實現

線性回歸的 Gluon 實現

Softmax 回歸

圖像分類數據集（Fashion-MNIST）

Softmax 回歸的從零開始實現

Softmax 回歸的 Gluon 實現

多層感知機

多層感知機的從零開始實現

多層感知機的 Gluon 實現

模型選擇、欠擬合和過擬合

權重衰減

丟棄法

正向傳播、反向傳播和計算圖

數值穩定性和模型初始化

實戰 Kaggle 比賽：房價預測

深度學習計算

模型構造

模型參數的訪問、初始化和共享

模型參數的延後初始化

自定義層

讀取和存儲

GPU 計算

卷積神經網路

二維卷積層

填充和步幅

多輸入通道和多輸出通道

池化層

卷積神經網路（LeNet）

深度卷積神經網路（AlexNet）

使用重複元素的網路（VGG）

網路中的網路（NiN）

含並行連結的網路（GoogLeNet）

批量歸一化

殘差網路（ResNet）

稠密連接網路（DenseNet）

循環神經網路

語言模型

循環神經網路

語言模型數據集（周杰倫專輯歌詞）

循環神經網路的從零開始實現

循環神經網路的 Gluon 實現

通過時間反向傳播

門控循環單元（GRU）

長短期記憶（LSTM）

深度循環神經網路

雙向循環神經網路

優化演算法

優化與深度學習

梯度下降和隨機梯度下降

小批量隨機梯度下降

動量法

Adagrad

RMSProp

Adadelta

Adam

計算性能

命令式和符號式混合編程

非同步計算

自動並行計算

多 GPU 計算

多 GPU 計算的 Gluon 實現

計算機視覺

圖像增廣

微調

目標檢測和邊界框

錨框

多尺度目標檢測

目標檢測數據集（皮卡丘）

單發多框檢測（SSD）

區域卷積神經網路（R-CNN）系列

語義分割和數據集

全卷積網路（FCN）

樣式遷移

實戰 Kaggle 比賽：圖像分類（CIFAR-10）

實戰 Kaggle 比賽：狗的品種識別 (ImageNet Dogs)

自然語言處理

詞嵌入（word2vec）

近似訓練

Word2vec 的實現

子詞嵌入（fastText）

全局向量的詞嵌入（GloVe）

求近義詞和類比詞

文本情感分類：使用循環神經網路

文本情感分類：使用卷積神經網路（textCNN）

編碼器—解碼器（seq2seq）

束搜索

注意力機制

機器翻譯

附錄

主要符號一覽

數學基礎

使用 Jupyter 筆記本

使用 AWS 運行代碼

GPU 購買指南

如何為本書貢獻

gluonbook 包索引

如何獲贈《動手學深度學習》？

「市北·GMIS 2019 全球數據智能峰會」將於 7 月 19 日- 20 日在上海市靜安區舉行。本次峰會以數據智能為主題，力邀全球 30 余位重磅嘉賓，將進行 24 場主題演講、2 個圓桌論壇、4 個 Session、1 場 AI 畫展和「AI00」數據智能榜單發布。

即日起購買「市北·GMIS 2019」大會門票，並在購票時備註「動手學深度學習」，即可獲贈一本新書，限量 20 本，按購票時間，送完為止。

市北·GMIS 2019全球數據智能峰會於7月19日-20日在上海市靜安區舉行。本次峰會以「數據智能」為主題，聚焦最前沿研究方向，同時更加關注數據智能經濟及其產業生態的發展情況，為技術從研究走向落地提供借鑒。

本次峰會設置主旨演講、主題演講、AI畫展、「AI00」數據智能榜單發布、閉門晚宴等環節，已確認出席嘉賓如下：

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！