深度学习必学的十个问题：理论与实践

本书兼顾了数学上的理解和代码实践，内容主要包括基础知识和深度学习模型。第1章介绍深度学习的简洁发展思路和表示学习机制；第2章、第3章介绍神经网络的基于梯度的优化方法、神经网络的优化难点以及相应的解决方法；第4章讨论神经网络遇到的过拟合问题；第5章分析神经网络的最小组成部分：神经元；第6章讨论三种方案解决深层网络的训练难题：批标准化、SELU、ResNet；第7章、第8章讲述了两种重要的神经网络模型：卷积神经网络和循环神经网络；第9章讨论了对于神经网络的无监督学习方式；第10章详细讨论以变分自编码器和对抗生成网络为代表的概率生成网络。本书适合对于深度学习感兴趣的大学生、工程师阅读参考。阅读本书需要具备基础的Python编程技术和基本的数学知识。