学习深度学习，需要首先了解其发展历程，从理论和实践两个方面掌握深度学习的各种方法，以及深度学习在图像识别、计算机视觉等领域的应用。
深度学习中的深度强化学习(Deep Reinforcement Learning，DRL)是深度学习算法和强化学习算法相结合的一种新兴的通用人工智能算法技术，也是机器学习的前沿技术，DRL 算法潜力无限，AlphaGo 是目前该算法成功的使用案例。
DRL 算法以马尔科夫决策过程为基础，是在深度学习强大的非线性函数的拟合能力下构成的一种增强算法。
推荐学习《揭秘深度强化学习》，主要分析了基于动态规划（DP）的算法以及基于策略优化的算法。是要把这两种主要的算法（及设计技巧）讲解清楚，使算法研究人员能够熟练地掌握。
学习参考：
《揭秘深度强化学习》PDF，376页，带目录，文字可以复制；配套源代码。作者：彭伟
下载: https://pan.baidu.com/s/1eVCDyse_FveXboet8w5s6A
提取码: 78ry
《揭秘深度强化学习人工智能机器学习技术丛书》共10 章，首先以AlphaGo 在围棋大战的伟大事迹开始，引起对人工智能发展和现状的介绍，进而介绍深度强化学习的基本知识。
分别介绍了强化学习（重点介绍蒙特卡洛算法和时序差分算法）和深度学习的基础知识、功能神经网络层、卷积神经网络（CNN）、循环神经网络（RNN），以及深度强化学习的理论基础和当前主流的算法框架。介绍了深度强化学习在不同领域的几个应用实例。引例、基础知识和实例相结合，方便读者理解和学习。
深度学习入门，推荐学习《图解深度学习》。
《图解深度学习》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。
参考：
《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。
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。我认为难度适中，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。
