从学习深度学习方向至今，感觉《图解深度学习》和《深度学习入门基于Python的理论与实现》这两本书是必读的，对于希望快速入门并上手的学习爱好者比较适用。
《图解深度学习》是从深度学习的发展历程讲起的，从理论和实践两个方面介绍了深度学习的各种方法，以及深度学习在图像识别等领域的应用案例。内容图文并茂，涉及神经网络、卷积神经网络、受限玻尔兹曼机、自编码器、泛化能力的提高， 并介绍了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow等深度学习工具的安装和使用方法。书如其名，《图解深度学习》图例非常丰富，清晰直观，适合所有对深度学习感兴趣的读者阅读。
《图解深度学习》PDF，221页，带书签目录，文字可以复制。 作者:山下隆义，译者:张弥。
下载: https://pan.baidu.com/s/1qUHRai-lSKeTt-dtGKUxSw
提取码: 5hjn
《图解深度学习》主要讲了八章内容，第1章什么深度学习，第2章神经网络，第3章卷积神经网络，第4章受限玻尔兹曼机， 第5章自编码器及在预训练中的应用，第6章提高泛化能力的方法，第7章学习深度学习开发环境和工具，第8章深度学习的应 用案例和发展。
我认为是难度适中，可以作为入门提高书，不深不偏，插图到位，数据和工具的视角值得肯定。
通过对比学习，我认为《深度学习入门基于Python的理论与实现》也相当不错，两本可以配合学习。这本书真的是不来虚的，一上来就是手把手教你一步步搭建出一个神经网络，还能把每一步的出处讲明白，神经网络和数字通信里面的均衡有异曲同工之妙。
《深度学习入门基于Python的理论与实现》高清中文PDF，314页，带书签目录，文字可以复制。作者:斋藤康毅
下载：https://pan.baidu.com/s/1TaTZzete0hY8mK_jSqFsww
《深度学习入门基于Python的理论与实现》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，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。
我从中不仅学习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了解，此外还知道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。
我感觉第7章讲的最好，解决了我的疑惑，通过理解卷积神经网络中的卷积层和池化层的实现，终于学会了CNN的实现。
