深度学习入门：基于Python的理论与实现
60推荐 收藏
123.2K阅读
图灵程序设计丛书

深度学习入门：基于Python的理论与实现

斋藤康毅 (作者) 陆宇杰 (译者)
上市销售 python 人工智能 机器学习 深度学习 悠长假期，最佳40本 2018最受欢迎电子书（技术类）
请至本页面右侧“随书下载”处下载本书源代码。

【致歉声明：本书第13次印刷版本中个别页码的图片存在印刷质量问题。请购买13印图书的读者拨打版权页上的“印装质量热线（010）81055316”换取新书，或者至本页面右侧“随书下载”处下载“13印印刷问题页面电子版”查看正确图片。对该问题给各位读者带来的不便，在此我们致以诚挚的歉意。】
本书是深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。书中不仅介绍了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入讲解，此外还介绍了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度等“为什么”的问题。
电子书
￥29.99
格式
mobi   pdf
购买电子书
纸质书
￥46.61 ￥59.00
购买纸书 样书兑换

其他购买方式？

出版信息

  • 书　　名深度学习入门：基于Python的理论与实现
  • 系列书名图灵程序设计丛书
  • 执行编辑关于本书的内容有任何问题，请联系 杜晓静
  • 出版日期2018-07-11
  • 书　　号978-7-115-48558-8
  • 定　　价59.00 元
  • 页　　数285
  • 印刷方式单色
  • 开　　本大32开
  • 出版状态上市销售
  • 原书名Deep Learning from Scratch
  • 原书号9784873117584

所属分类

同系列书

  • HTTP权威指南

    HTTP权威指南

    David Gourley   Brian Totty   Marjorie Sayer   Sailu Reddy   Anshu Aggarwal   陈涓   赵振平   译

    本书是HTTP及其相关核心Web技术方面的权威著作，主要介绍了Web应用程序是如何工作的，核心的因特网协议如何...

  • JavaScript高级程序设计（第3版）

    JavaScript高级程序设计（第3版）

    Nicholas C.Zakas   李松峰   曹力   译

    本书是JavaScript超级畅销书的新版。ECMAScript 5 和HTML5在标准之争中双双胜出，使大量...

  • 计算机科学的基础

    计算机科学的基础

    Al Aho   Jeff Ullman   傅尔也   译

    本书全面而详细地阐述了计算机科学的理论基础，从抽象概念的机械化到各种数据模型的建立，用算法、数据抽象等核心思想...

  • Java技术手册（第6版）

    Java技术手册（第6版）

    Benjamin J Evans   David Flanagan   安道   译

    通过学习本书，你将能够： 掌握最新的语言细节，包括Java 8的变化 使用基本的Java句法学习面向对...

  • 机器学习实战

    机器学习实战

    Peter Harrington   李锐   李鹏   曲亚东   王斌   译

    机器学习是人工智能研究领域中一个极其重要的研究方向，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或...

本书特色

1.日本深度学习入门经典畅销书，原版上市不足2年印刷已达100 000册。长期位列日亚“人工智能”类图书榜首，超多五星好评。
2.使用Python 3，尽量不依赖外部库或工具，从零创建一个深度学习模型。
3.示例代码清晰，源代码可下载，需要的运行环境非常简单。读者可以一边读书一边执行程序，简单易上手。
4.使用平实的语言，结合直观的插图和具体的例子，将深度学习的原理掰开揉碎讲解，简明易懂。
5.使用计算图介绍复杂的误差反向传播法，非常直观。
6.相比AI圣经“花书”，本书更合适入门。

对于非AI方向的技术人员，本书将大大降低入门深度学习的门槛；对于在校大学生、研究生，本书不失为学习深度学习的一本好教材；即便是在工作中已经熟练使用框架开发各类深度学习模型的读者，也可以从本书中获得新的体会。——摘自本书译者序

目录

版权声明 阅读
O'Reilly Media, Inc.介绍 阅读
译者序 阅读
前言 阅读
第 1 章　Python 入门 阅读
第 2 章　感知机 阅读
第 3 章　神经网络 阅读
第 4 章　神经网络的学习
第 5 章　误差反向传播法
第 6 章　与学习相关的技巧
第 7 章　卷积神经网络
第 8 章　深度学习
附录 A　Softmax-with-Loss 层的计算图
参考文献
版权信息

作者介绍

斋藤康毅（作者）
东京工业大学毕业，并完成东京大学研究生院课程。现从事计算机视觉与机器学习相关的研究和开发工作。是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python的日文版译者。

陆宇杰（译者）
众安科技NLP算法工程师。主要研究方向为自然语言处理及其应用，对图像识别、机器学习、深度学习等领域有密切关注。Python爱好者。

大家也喜欢

  • Keras深度学习：基于Python

    Keras深度学习：基于Python

    在众多深度学习框架中，最容易上手的就是Keras，其简单、可扩展、可重复使用的特征使得非深度学习者也能轻松驾驭...

  • 生成对抗网络项目实战

    生成对抗网络项目实战

    凯拉什·阿伊瓦   倪琛   译

    生成对抗网络（GAN）可以模拟任何数据分布方式，因而潜力巨大，为很多难以自动化的问题提供了解决途径。本书立足理...

  • Python数据分析实战（第2版）

    Python数据分析实战（第2版）

    法比奥·内利   杜春晓   译

    Python简单易学，拥有丰富的库，并且具有极强的包容性。本书展示了如何利用Python语言的强大功能，以最小...

  • 深度学习基础与实践

    深度学习基础与实践

    Josh Patterson   Adam Gibson   郑明智   译

    本书是由两位技术出身的企业管理者编写的深度学习普及书。本书的前四章提供了足够的关于深度学习的理论知识，包括机器...

  • Python深度学习

    Python深度学习

    [美] 弗朗索瓦•肖莱   张亮（hysic）   译

    本书由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱（François Chollet）执笔...

相关文章

  • cage 1推荐

    《深度学习入门》第 2 章 感知机 笔记

    感应机 康奈尔大学的实验心理学家罗森布拉特（Frank Rosenblatt）在一台IBM-704计算机上模拟实现了一种他发明的叫作“感知机”（Perceptron）的神经网络模型。这个模型可以完成一些简单的视觉处理任务。 罗森布拉特在理论上证明了单层神经网络在处理线性可分…...

    cage 发表于 2018-11-30
  • 墨羽 推荐

    深度学习入门：基于Python的理论与实现-第三章sys.path问题

    import sys, os sys.path.append(os.pardir) # 为了导入父目录中的文件而进行的设定 from dataset.mnist import load_mnist import 基础-导入模块，并且重命名 存储位置没有设置为安装的位置，单独出…...

    墨羽 发表于 2020-02-08
  • Parameter
    你好，本书第六章P198页附带的代码名为：hyperparameter_optimization.py，运行后python会报错，我已更改源代码，可以联系我，给阅读者正确的代码。
    Parameter  发表于 2019-01-24 20:23:45
    推荐

    • 你好，我也看到了，可否把你的代码分享给我，邮箱fan2xw@163.com,谢谢。

      fan2xw  发表于 2019-03-23 16:12:37

    • 第198页的源码，运行会报错：TypeError：slice indices must be intergers or None or have an _index_method
      次错误为进行超参数最优化的源代码，即：ch06/hypergarameter_optimization.py的第 17行会报错
      应改为：应在validation_num = x_train.shape[0] * validation_rate下面加上一行对validation_num的定义：
      validation_num = int(validation_num)
      加完就可以正确运行了。@fan2xw

      Parameter  发表于 2019-04-18 15:57:50
  • Hawaiian🎸
    这本书非常好。O'reilly Japan正版电子版已购
    Hawaiian🎸  发表于 2016-12-17 15:57:47
    推荐

    • 可惜还没合适的译者。。。要不要试着翻译下，哈哈

      杜晓静  发表于 2016-12-19 13:24:32

    • 找到译者了吗？我尝试翻译了几段，估算了一下全部翻译完时间大概要100小时左右😂

      Hawaiian🎸  发表于 2017-02-05 19:25:22

    • 您好！如有兴趣，可以试译下4.2.4和4.2.5两小节，并于2月13日前发送至邮箱duxj@turingbook.com。

      杜晓静  发表于 2017-02-07 09:47:20

    • 😂时间有限，这本书已经看完就不翻译了，我会一直关注这本书的进展的😆（这本书真的非常好，希望尽可能多宣传一下）

      Hawaiian🎸  发表于 2017-02-09 22:46:26

    • @池筱沫 这本书使用什么语言？C/C++/python?

      focusxin  发表于 2018-01-28 15:49:20

    • @focusxin 你好，是Python~

      杜晓静  发表于 2018-01-29 09:05:18

    • @杜晓静 先祝贺终于在国内发售 👏🏻 这本书第二部已经在日本上市了，可以考虑引进了😂

      Hawaiian🎸  发表于 2018-07-26 12:54:05

    • 我也买了，看看咋样，看完回来再评论

      limingliang  发表于 2018-07-30 17:40:37
  • 我顶着大太阳
    mnist数据集可以通过keras库来获得
    from keras.datasets import mnist
    (X_train, y_train), (X_test, y_test) = mnist.load_data()
    我顶着大太阳  发表于 2019-11-26 22:03:27
    推荐
  • the_leo
    第三章的代码mnist_show.py，运行之后出现错误：Compressed file ended before the end-of-stream marker was reached
    我的系统是mac，之前使用keras时，使用了mnist数据集。请帮助解决，谢谢。
    the_leo  发表于 2018-12-17 23:20:29
    推荐

    • 哪里有源码

      迷糊  发表于 2019-01-07 17:18:01

    • 我也出现了这个问题，不过我是Windows。
      我是模仿着原书自己写了个然后看到这个错误，而实际上把作者的源码照搬过来也是这个结果。
      大概的意思是说这个压缩包与本身有的size的大小不符合（在达到给出的量前就已经下载完了）。

      帅小猴  发表于 2019-06-19 21:23:20

    • @迷糊 你买了书的话，在你的书库里面有

      帅小猴  发表于 2019-06-19 21:23:48

    • @帅小猴 好像是因为网络的原因，需要等待一会吧。你再试试。

      the_leo  发表于 2019-06-21 09:15:24

    • @帅小猴 那应该怎样解决？

      TinaLLL  发表于 2019-07-23 11:02:02

    • @TinaLLL 不知道，不过我尝试着减少了需求的测试数据，报错倒是不报了，但是不清楚训练结果是好是坏

      帅小猴  发表于 2019-07-25 08:39:28

    • @帅小猴 我重新下载了mnist数据集就解决了，应该是源代码中的数据集不完整。

      TinaLLL  发表于 2019-07-27 16:22:35

    • @TinaLLL 应该是吧

      帅小猴  发表于 2019-07-30 07:19:28

    • @TinaLLL 您好，请问是怎么重新下载呢？是我自己去官网下，还是把下好的删了，然后再执行一遍程序？

      发烧的小龙虾  发表于 2019-07-30 17:15:09

    • @发烧的小龙虾 在网上找mnist数据集 删掉源代码文件中原来的 然后把新下载的放到和源代码文件中mnist集一样的位置 再执行程序 应该不会再报错

      TinaLLL  发表于 2019-08-01 15:31:07

    • 各位读者好，关于此问题，已咨询译者，并已确认mnist_show.py可以正常运行。之所以出现问题，可能是网络原因，导致mnist数据集没有下载完整。

      杜晓静  发表于 2019-08-05 17:24:48

    • @TinaLLL 请问源码运行出错后产生的mnist数据集的位置在哪呢。是把 mnist.py这个文件删除还是怎么弄啊

      学习深度  发表于 2019-11-22 17:38:01

    • @学习深度 记不得了，有日子没搞了。是网络的原因，下载比较慢。可以耐心的等待一会。

      the_leo  发表于 2019-11-25 10:20:48

    • @学习深度 我本来也遇到这个问题，然后我把之前下载在dataset文件夹里的train-labels-idx1-ubyte等四个压缩文件删除后，重新运行下载代码就没问题了

      凌云木辉  发表于 2019-12-23 19:57:01
  • 90后老许
    请问，我购买了这本书。但是没有源码呢？？？可否告诉我源码在哪里下
    90后老许  发表于 2019-04-16 23:05:26
    推荐

    • 您好，在本页面右侧，各种购买链接下方，点击“随书下载”即可下载~

      杜晓静  发表于 2019-04-17 09:21:38
  • Eassi
    请问《Deep Learning 2｜用Python進行自然語言處理的基礎理論實作 歐萊禮》的简体中文版有计划发行吗？
    Eassi  发表于 2019-09-14 22:42:14
    推荐
  • 唯爱ts
    p153 页里面的SoftmaxWithLoss类中的backward函数dx求得值为何要/batch_size呢？正常传递self.y-self.t相减完每一行不就是一个数据的y-t吗，如果/batch_size，那矩阵里的每一个差值都将变小啊
    唯爱ts  发表于 2019-11-21 15:15:03
    推荐

    • 一般情况下求出的Loss值是一个与batch_size无关的值，即sum完单个样本的loss还要除以batch_size,所以反向传播的时候也要除以batch_size

      2号攻城狮  发表于 2020-01-21 12:22:55
  • 我顶着大太阳
    p78，axis=1那里的译者注竟然写着第0维是列方向？ 实际上通用的说法矩阵的第0维是行（而不是什么行方向或者列方向）。
    这里可以做下修改：
    沿着第1维变化的方向找到值最大... （增加“变化的”）
    这样的话 第1维是列，列变化的方向也就是横向，也就是译者想要表明的行方向。
    我顶着大太阳  发表于 2019-11-27 11:03:11
    推荐
  • steve_0216
    请问第三章导入mnist的语句中，我下载了源代码之后是应该把源代码的文件夹放在哪里命名成什么才能读入呢？书中的那前三行代码有没有需要替换的语句什么的？
    steve_0216  发表于 2020-02-17 17:08:50
    推荐
  • Zoe_tang1220
    mnist下载到一半关闭了，之后下载报错，请问要如何找到已经下载的部分内容并删掉，然后进行重新下载？
    Zoe_tang1220  发表于 2020-02-28 18:10:02
    推荐
  • 大唐行俭
    你好，请教个问题：第3章运行程序报错，NameError: name 'load_mnist' is not defined，是啥原因呢
    大唐行俭  发表于 2020-03-20 19:28:27
    推荐
  • choixx
    第73页代码中with open("sample_weight.pkl", "rb") as f没有找到sample_weight.pkl文件，这个怎么处理？
    FileNotFoundError: [Errno 2] No such file or directory: 'sample_weight.pkl'
    choixx  发表于 2020-04-13 06:55:57
    推荐
  • 君临3983
    请问源码在哪里下载
    君临3983  发表于 2020-05-30 21:12:50
    推荐

    • 您好，在本页面右侧，购买链接下方的“随书下载”处。

      杜晓静  发表于 2020-06-01 10:35:54
  • OT@beijing
    看了《程序员的数学》三本书里作者有关人工智能的部分推荐过来买来读的。用代码的方式理解数学公式确实比较容易一些。一天看了一半，到误差反向传播法开始吃力了。
    OT@beijing  发表于 2020-07-02 11:38:26
    推荐
  • hackerdd
    4.2.4　mini-batch版交叉熵误差的实现（91页）
    为什么“y的维度为1 时，即求单个数据的交叉熵误差时，需要改变数据的形状”
    def cross_entropy_error(y, t):
    if y.ndim == 1:
    t = t.reshape(1, t.size)
    y = y.reshape(1, y.size)
    batch_size = y.shape[0]
    return -np.sum(t * np.log(y + 1e-7)) / batch_size
    hackerdd  发表于 2020-07-07 17:39:03
    推荐

    • 我进行了赋值，代码会报错。一维或者多维，y[np.arange[batch_size],t] 这行代码都会出错。
      t=np.array([1,2,3,4])
      y=np.array([6,7,8,9])

      Wlj起点  发表于 2020-07-29 11:40:24

    • @Wlj起点
      a = np.arange(3) #ndarray[0,1,2]
      b = np.array([1,2,3])#ndarray[1,2,3]
      y[ a, b ]?#有这种操作吗？

      Wlj起点  发表于 2020-07-29 11:51:38