《Python深度学习》书评、读书笔记

Python深度学习 怎么样

读者评价一

现阶段最浅显易懂的深度学习新手入门书，由Keras鼻祖落笔。高手不仅技术性能得，文采都不通常，确实就是说以便让尽量多的人可以应用深度学习而写的这这书，包含了深度学习的基本知识、Keras应用方式及其深度学习最好实践活动。

学习培训这书必须具有基本的PHP专业知识，但不用深度学习或是深度学习工作经验，也不用深奥的数学知识，高中数学水准得以看懂这书。

读者评价二

这这书从6月12号那一天老总递到我手上，到今日恰好六周，你在期内我逐字逐句地啃了这这书，并在每星期的星期二和星期五中午给组里的别人讲这这书，每一次讲3个钟头。直至5分钟前不久说完最终一章，写了180页的幻灯片。

感受从何说起呢？先讲Keras吧，这这书的创作者是Keras的创作者，因此这书主要详细介绍Keras在deep learning中的各种各样使用方法。Keras容易入门，觉得用Keras写deep learning的编码就跟用PHP相同，能够便捷地把想起的物品用几行编码表达。例如今日想写个convnet+fully connected layer的model归类一下下MNIST，要是用TensorFlow得话将会要前因后果写许多编码，可是用Keras得话要是不上十行就拿下了，随后就能够跑了，就跟跑“Hello World”相同简易。当你要来个transfer learning，那也非常简单，Keras有许多训炼好的model，立即load1个，再在其上添1个fully connected layer，随后就可用训炼好的model来训炼归类自个的分类器了。许多Keras大神确实比我更有工作经验，我不班门弄斧了。

心情说说我就是怎么读这这书的吧，由于每星期要给组里的人讲2次，大部分就是说每一次讲一章上下的內容。一开始的那时候，我仅仅把书里的关键点运送到幻灯片上，例如什么叫overfitting，什么叫tensor。上了正中间卷积层那章的那时候，组里的诸位老前辈刚开始我们开展了各种各样狂轰乱炸，例如为何convnet比densely connected layer好？为何前边章节目录的MNIST归类创作者用了densely connected layer而不起作用convent？还例如需不需要用activation function？几类不一样的activation function有啥差别？在什么情况能够交换？还例如Stochastic Gradient Descent 有几类？各有的优点和缺点是啥？Dropout为何有效？为何Dropout以后要rescale？为何Depth-wise convolution的高效率比通常convolution高，咋算主要参数？Transposed convolution为何也叫deconvolution？身后的数学课表述是啥？Sampling的那时候什么时候用Normal distribution什么时候用Uniform distribution，为何？

全部这种难题的参考答案你在这书中找不着，并且最要人命的是，只是解答问题是不足的，我都必需用数学公式逻辑推理证明材料我的参考答案是恰当的。例如True SGD的优点和缺点是1，2，3。那麼我不可以只列举这1，2，3。我都必需用关系式证明材料这1，2，3。随后再跑好多个试验，再融合试验結果表明这1，2，3。
要是组里某一人问的难题我没回应上去，那麼这一难题会被记录下来，留在到时候大会再次讲，直至讲懂了已经。刚开始我都能拿下，可是上了后边几章，彻底觉得要失灵了。

读者评价三

这书自出版发行至今接到诸多五星好评，由于是 Keras 创作者写的书，因此全书基础紧紧围绕着 Keras 讲深度学习的各种各样建立，从 CNN，RNN到GAN等等等等，整体偏新手入门，但也承载着许多创作者对深度学习全面性的思索。值得一提的是创作者强烈推荐用GPU 跑书中的事例，这并不是玩笑， 用Cpu 跑你能觉得很失落的～
这书编码都放到创作者的 [Github]上，基础与书中內容相同，或许许多內容的表述在书时会更详尽某些。Keras 的文本文档很全，对初学者也较为友善，因此许多人感觉看文本文档就行，没必需去看书，我觉得书和文本文档都有优点和缺点。

书较大的优势是框架性，能出示1个“总体角度”，让小读者在脑中创建1个详细的地形图，了解什么常见什么不常见，再上述目的性地查缺补漏就较为便捷了，而要是立即查文本文档应对汇聚全球的API因此会手足无措。显然书由于要照料全面性，必定会抛下某些与中心思想不相干的內容或关键点，而这更是文本文档的优势，能够把全部內容都包揽进去，不用太考虑到总体易读性。并且查文本文档有一种寻宝的寓意，常常不知不觉发觉了1个奇妙的作用竟然被建立了。