人民邮电出版社

你知道么？

有一款App叫做Prisma。你只要上传你自己的照片，再选择一张风格图片（例如莫奈的画作），点击一个按钮，Prisma就可以生成一张莫奈风格的你。

还有一款App叫做FaceApp，它可以使你的脸发生各种有趣的变化。比如给你的脸上妆，看一看你以后苍老的样子，甚至可以为抑郁寡欢的脸添加一抹笑容。

......

这些应用背后的支撑技术使用的都是人工智能技术。Prisma所使用的是人工智能中的风格迁移（Style Transfer）技术。FaceApp采用图像生成技术，通过不断提取大量照片中人像的特征，再造出全新的图片。

——

在21世纪的第二个十年里，科技界最大的进展恐怕非人工智能莫属了。无论是碾压人类智商的围棋高手AlphaGo，还是遍布全国车站的人脸识别系统，配备了深度学习技术的最新人工智能展现了它无限大的势能。

然而，这些有关人工智能的新闻会给我们造成一种错觉：人工智能是一种高科技，只有谷歌、微软、脸书这样的大公司才有可能应用，而与我们普通人或者小公司毫无关系。

事实并非如此，随着各大公司开源了他们的深度学习框架和平台，我们每一个普通企业或者个人都可以快速地应用人工智能技术。你只要有一台笔记本电脑，就可以轻松玩转深度学习，实现诸如人脸识别、图像生成、机器翻译、聊天机器人等强大的人工智能功能。

人工智能令人心潮澎湃，那么一般的程序员又该如何入门“高大上”的人工智能技术呢？下面推荐个深度学习的书单给你，机器学习与人工智能的书单之后也会推出。下面是人工智能、机器学习与深度学习的关系图：

引语改编自《深度学习原理与PyTorch实战》

从基础知识入门

01 《深度学习的数学》

涌井良幸，涌井贞美 著

杨瑞龙 译

神经网络的“自学习”听起来很难，但它运用的数学理论是非常简单的，基本上是比较基础的数学知识。

《深度学习的数学》结合235幅插图和大量基于Excel实践的示例介绍了掌握深度学习所需的数学基础知识。在豆瓣收获9.0分好评。

02 《深度学习入门：基于Python的理论与实现》

斋藤康毅 著

陆宇杰 译

本书与其他深度学习书有什么不同？本书使用 Python 3，在尽量不依赖外部库或工具的情况下，带着读者从零开始创建了一个深度学习模型。为什么这么做？

如果把本书比作一本关于汽车的书，那么本书并不会教你怎么开车，其着眼点不是汽车的驾驶方法，而是要让读者理解汽车的原理。

为了让读者理解汽车的结构，必须打开汽车的引擎盖，把零件一个一个地拿在手里观察，并尝试操作它们。之后，用尽可能简单的形式提取汽车的本质，并组装汽车模型。

本书的目标是，通过制造汽车模型的过程，让读者感受到自己可以实际制造出汽车，并在这一过程中熟悉汽车相关的技术。本书在豆瓣收获9.3分好评。

03 《图解深度学习》

山下隆义 著

张弥 译

《图解深度学习》是为了使初学者、将要开始挑战深度学习研究的大学生和研究生，以及企业的研究开发人员入门深度学习而作。

它涵盖136 张图 + 60 段代码，全彩印刷，浓缩了深度学习中的关键知识点。

04 《深度学习基础与实践》

Josh Patterson , Adam Gibson 著

郑明智 译

本书是由两位技术出身的企业管理者编写的 Java 深度学习普及书。

之所以这样组织这样一本书，是因为我们相信存在这样的需求，即一本既涵盖“足够的理论”，同时又提供足够的实践，使得读者能够构建生产级别的深度学习工作流的书。这本书双管齐下，很好地满足了这个需求。

深度学习工具入门

2015—2016年，数万名新人入坑深度学习，其中很多人都选择了 Keras，因为它是最容易上手的框架。

01 《Python深度学习》

弗朗索瓦•肖莱 著

张亮（hysic） 译

本书立足于人工智能的可达性和大众化，读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后，读者将具备搭建自己的深度学习环境、建立图像识别模型、生成图像和文字等能力。

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，详尽介绍了用Python和Keras进行深度学习的探索实践，包括计算机视觉、自然语言处理、产生式模型等应用。书中包含30多个代码示例，步骤讲解详细透彻。豆瓣评分9.6分。

02 《Keras图像深度学习实战》

独立电子书

侯宜军 著

本书共分成8个章节，第1章是Keras简介和环境搭建；第2～6章整体介绍Keras的软件框架，包含卷积层，池化层，损失函数，优化器等关键部件的使用说明；第7章介绍了常用的图像预处理技术，包括高斯滤波，轮廓检测等常用操作的介绍；第8章是实战篇，介绍Keras神经网络模型中常用的图像模型的设计方法，以及应用于视频领域的入门级介绍。本书是Keras神经网络中专注于图像识别领域的专业书籍，具有较强的实战性。

本书的目标人群主要定位为具有一定python编程基础，对深度学习原理有一定了解，并且对人工智能图像处理领域有浓厚兴趣的人群。

PyTorch是Facebook发布的一款非常具有个性的深度学习框架

01 《深度学习原理与PyTorch实战》

集智俱乐部 著

一本系统介绍深度学习及开源框架PyTorch的入门书，它通过丰富的案例和清晰的讲解，带你找到良好的深度学习修炼路线，直达获得最佳学习状态，而不必像随机梯度下降般迂回绕路。

全书注重实战，每章围绕一个有意思的实战案例展开，不仅循序渐进地讲解了PyTorch的基本使用、神经网络的搭建、卷积神经网络和循环神经网络的实现，而且全面深入地介绍了计算机视觉、自然语言处理、迁移学习，以及最新的对抗学习和深度强化学习等前沿技术。

通过阅读本书，可以轻松入门深度学习，学会构造一个图像识别器，生成逼真的图画，让机器理解单词与文本，让机器作曲，教会机器玩游戏，还可以实现一个简单的机器翻译系统。

本书适用于人工智能行业的软件工程师、对人工智能感兴趣的学生，也非常适合作为深度学习培训教程。

02 《PyTorch深度学习实战》

独立电子书

侯宜军 著

本书从原理到实战、深入浅出地介绍了Facebook人工智能利器Pytorch的卓越表现，只要认真读完本书，你就能掌握Pytorch的使用技巧了。

全书共分成16个章节，第1章是Pytorch简介和环境搭建；第2～8章是Keras的软件框架说明，包含了层的说明，优化器和损失函数等；第9～10章重点介绍了深度学习中的卷积和池化的概念；第11～12章是介绍用神经网络模型搭建图像识别系统的实战经验；第13～16章介绍如何使用LSTM模型来处理自然语言。

TensorFlow是2015年年底开源的一套深度学习框架，是目前最活跃的深度学习框架。

01 《TensorFlow入门与实战》

罗冬日 著

由一线开发人员实战经验总结的零基础入门TensorFlow和深度学习指南。

它基于1.3版本，首先介绍了它的安装和基本用法，然后讨论了深度学习的基本概念，包括神经网络前向计算、损失函数、反向传播计算和优化函数等，接着介绍了卷积神经网络和循环神经网络，最后介绍了在大规模应用的场景下，如何实现分布式的深度学习训练。

02 《TensorFlow深度学习》

Giancarlo Zaccone 等 著

李志 译

本书介绍关于机器学习系统的深度学习算法，使我们可以在搜索、图像识别、语言处理等产品中实现这些算法。你将学习如何分析并改进深度学习模型的表现，通过与标准算法进行比较，借助机器智慧，在特定文本中从信息和决策行为中学习。

读完本书后，你将熟悉机器学习技术，尤其是使用TensorFlow进行深度学习，并将所学知识用于研究或商业项目。本书适合想要探索数据抽象层的数据科学家，展现了如何在实际中使用TensorFlow处理复杂且未经加工的数据。

03 《深入理解TensorFlow：架构设计与实现原理》

彭靖田 , 林健 , 白小龙 著

由谷歌机器学习开发专家、华为深度学习团队系统工程师、华为深度学习云服务的技术负责人联合编写，业内众多大咖倾力推荐，本书不仅介绍了如何使用TensorFlow，还剖析了其系统设计原理。

本书从基本概念、内部实现和最佳实践等方面深入剖析了TensorFlow。书中首先介绍了TensorFlow设计目标、基本架构、环境准备和基础概念，接着重点介绍了以数据流图为核心的机器学习编程框架的设计原则与核心实现，紧接着还将TensorFlow与深度学习相结合，从理论基础和程序实现这两个方面系统介绍了CNN、GAN和RNN等经典模型，然后深入剖析了TensorFlow运行时核心、通信原理和数据流图计算的原理与实现，最后全面介绍了TensorFlow生态系统的发展。

具体方向应用实战

01 《Hadoop深度学习》

Dipayan Dev 著

范东来 , 赵运枫 , 封强 译

一本书读懂深度学习来龙去脉，概览Hadoop如何玩转深度学习。

本书主要目标是处理很多深度学习应用的热点问题并向读者披露解决方案的细节。主要内容分为7章：第1章介绍深度学习基础知识，第2章介绍大规模数据的分布式深度学习，第3章介绍卷积神经网络，第4章介绍循环神经网络，第5章介绍受限玻尔兹曼机，第6章介绍自动编码器，第7章介绍如何用Hadoop玩转深度学习。