深度学习入门：基于Python的理论与实现

　　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，众多五星好评。
　　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

特别说明：购买此电子书，无赠品，敬请谅解。

　　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疑难的问题。
　　本书适合深度学习初学者阅读，也可作为高校教材使用。

　　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。

O'Reilly Media, Inc.介绍
译者序
前言
第1章 Python入门
1.1 Python是什么
1.2 Python的安装
1.3 Python解释器
1.4 Python脚本文件
1.5 NumPy
1.6 Matplotlib
1.7 小结
第2章 感知机
2.1 感知机是什么
2.2 简单逻辑电路
2.3 感知机的实现
2.4 感知机的局限性
2.5 多层感知机
2.6 从与非门到计算机
2.7 小结
第3章 神经网络
3.1 从感知机到神经网络
3.2 激活函数
3.3 多维数组的运算
3.4 3层神经网络的实现
3.5 输出层的设计
3.6 手写数字识别
3.7 小结
第4章 神经网络的学习
4.1 从数据中学习
4.2 损失函数
4.3 数值微分
4.4 梯度
4.5 学习算法的实现
4.6 小结
第5章 误差反向传播法
5.1 计算图
5.2 链式法则
5.3 反向传播
5.4 简单层的实现
5.5 激活函数层的实现
5.6 Affine/Softmax层的实现
5.7 误差反向传播法的实现
5.8 小结
第6章 与学习相关的技巧
6.1 参数的更新
6.2 权重的初始值
6.3 Batch Normalization
6.4 正则化
6.5 超参数的验证
6.6 小结
第7章 卷积神经网络
7.1 整体结构
7.2 卷积层
7.3 池化层
7.4 卷积层和池化层的实现
7.5 CNN的实现
7.6 CNN的可视化
7.7 具有代表性的CNN
7.8 小结
第8章 深度学习
8.1 加深网络
8.2 深度学习的小历史
8.3 深度学习的高速化
8.4 深度学习的应用案例
8.5 深度学习的未来
8.6 小结
附录A Softmax-with-Loss层的计算图
参考文献

　　科幻电影般的世界已经变成了现实—人工智能战胜过日本将棋、国际象棋的冠军，最近甚至又打败了围棋冠军；智能手机不仅可以理解人们说的话，还能在视频通话中进行实时的“机器翻译”；配备了摄像头的“自动防撞的车”保护着人们的生命安全，自动驾驶技术的实用化也为期不远。环顾我们的四周，原来被认为只有人类才能做到的事情，现在人工智能都能毫无差错地完成，甚至试图超越人类。因为人工智能的发展，我们所处的世界正在逐渐变成一个崭新的世界。
　　在这个发展速度惊人的世界背后，深度学习技术在发挥着重要作用。对于深度学习，世界各地的研究人员不吝褒奖之辞，称赞其为革新性技术，甚至有人认为它是几十年才有一次的突破。实际上，深度学习这个词经常出现在报纸和杂志中，备受关注，就连一般大众也都有所耳闻。
　　本书就是一本以深度学习为主题的书，目的是让读者尽可能深入地理解深度学习的技术。因此，本书提出了“从零开始”这个概念。
　　本书的特点是通过实现深度学习的过程，来逼近深度学习的本质。通过实现深度学习的程序，尽可能无遗漏地介绍深度学习相关的技术。另外，本书还提供了实际可运行的程序，供读者自己进行各种各样的实验。
　　为了实现深度学习，我们需要经历很多考验，花费很长时间，但是相应地也能学到和发现很多东西。而且，实现深度学习的过程是一个有趣的、令人兴奋的过程。希望读者通过这一过程可以熟悉深度学习中使用的技术，并能从中感受到快乐。
　　目前，深度学习活跃在世界上各个地方。在几乎人手一部的智能手机中、开启自动驾驶的汽车中、为Web服务提供动力的服务器中，深度学习都在发挥着作用。此时此刻，就在很多人没有注意到的地方，深度学习正在默默地发挥着其功能。今后，深度学习势必将更加活跃。为了让读者理解深度学习的相关技术，感受到深度学习的魅力，笔者写下了本书。

　　Python这一编程语言已经问世20多年了，在这期间，Python不仅完成了自身的进化，还获得了大量的用户。现在，Python作为最具人气的编程语言，受到了许多人的喜爱。
　　接下来我们将使用Python实现深度学习系统。不过在这之前，本章将简单地介绍一下Python，看一下它的使用方法。已经掌握了Python、NumPy、Matplotlib等知识的读者，可以跳过本章，直接阅读后面的章节。
　　1.1　Python是什么
　　Python是一个简单、易读、易记的编程语言，而且是开源的，可以免费地自由使用。Python可以用类似英语的语法编写程序，编译起来也不费力，因此我们可以很轻松地使用Python。特别是对首次接触编程的人士来说，Python是最合适不过的语言。事实上，很多高校和大专院校的计算机课程均采用Python作为入门语言。
　　此外，使用Python不仅可以写出可读性高的代码，还可以写出性能高（处理速度快）的代码。在需要处理大规模数据或者要求快速响应的情况下，使用Python可以稳妥地完成。因此，Python不仅受到初学者的喜爱，同时也受到专业人士的喜爱。实际上，Google、Microsoft、Facebook等战斗在IT行业最前沿的企业也经常使用Python。
　　再者，在科学领域，特别是在机器学习、数据科学领域，Python也被大量使用。Python除了高性能之外，凭借着NumPy、SciPy等优秀的数值计算、统计分析库，在数据科学领域占有不可动摇的地位。深度学习的框架中也有很多使用Python的场景，比如Caffe、TensorFlow、Chainer、Theano等著名的深度学习框架都提供了Python接口。因此，学习Python对使用深度学习框架大有益处。
　　综上，Python是最适合数据科学领域的编程语言。而且，Python具有受众广的优秀品质，从初学者到专业人士都在使用。因此，为了完成本书的从零开始实现深度学习的目标，Python可以说是最合适的工具。
　　1.2　Python的安装
　　下面，我们首先将Python安装到当前环境（电脑）上。这里说明一下安装时需要注意的一些地方。
　　1.2.1　Python版本
　　Python有Python 2.x和Python 3.x两个版本。如果我们调查一下目前Python的使用情况，会发现除了最新的版本3.x以外，旧的版本2.x仍在被大量使用。因此，在安装Python时，需要慎重选择安装Python的哪个版本。这是因为两个版本之间没有兼容性（严格地讲，是没有“向后兼容性”），也就是说，会发生用Python 3.x写的代码不能被Python 2.x执行的情况。本书中使用Python 3.x ，只安装了Python 2.x的读者建议另外安装一下Python 3.x。
　　1.2.2　使用的外部库
　　本书的目标是从零开始实现深度学习。因此，除了NumPy库和Matplotlib库之外，我们极力避免使用外部库。之所以使用这两个库，是因为它们可以有效地促进深度学习的实现。
　　NumPy是用于数值计算的库，提供了很多高级的数学算法和便利的数组（矩阵）操作方法。本书中将使用这些便利的方法来有效地促进深度学习的实现。
　　Matplotlib是用来画图的库。使用Matplotlib能将实验结果可视化，并在视觉上确认深度学习运行期间的数据。
　　　本书将使用下列编程语言和库。
　　·Python 3.x（2016年8月时的最新版本是3.5）
　　·NumPy
　　·Matplotlib
　　下面将为需要安装Python的读者介绍一下Python的安装方法。已经安装了Python的读者，请跳过这一部分内容。
　　1.2.3　Anaconda发行版
　　Python的安装方法有很多种，本书推荐使用Anaconda这个发行版。发行版集成了必要的库，使用户可以一次性完成安装。Anaconda是一个侧重于数据分析的发行版，前面说的NumPy、Matplotlib等有助于数据分析的库都包含在其中。
　　如前所述，本书将使用Python 3.x版本，因此Anaconda发行版也要安装3.x的版本。请读者从官方网站下载与自己的操作系统相应的发行版，然后安装。