近年来，深度学习体系结构由于在计算机视觉等应用中的极大成功而开始流行起来。特别是卷积神经网络(CNN)已经成为深度学习中最重要的一种网络结构。学习计算机视觉中的深度学习、设计和部署CNN，以及深度计算机视觉体系结构的基础知识。
从零基础开始，系统阐述卷积神经网络理论基础及其实践应用，可以帮助快速学习和构建深度学习系统。提供了丰富的理论知识和实操案例，以及一系列完备的工具包，以帮助获得在理解和构建卷积神经网络（CNN）时所必要的基本信息。重点将集中在卷积神经网络的基础部分，而不会涉及在高级课程中才出现的一些概念（CNN相关话题）。
推荐参考《卷积神经网络与视觉计算》中文PDF，174页，带目录，文字可复制；英文PDF，187页，带目录，文字可复制。
下载: https://pan.baidu.com/s/1OeT4YJdcWQYxHJxwG6Idmg
提取码: 6tar
分为5章，介绍了图像表示和一些计算机视觉模型，这些模型现在被称为人工方式建模。提供了对图像表示的基本理解，并介绍了一些线性和非线性的特征提取或表示方法，以及这些表示的特性。介绍了一些基本图像元素(如边缘)的检测方法，还包括用这些表示来完成一些基本的机器学习任务。
CNN正在革新几个应用领域，如视觉识别系统、自动驾驶汽车、医学发现、创新电子商务等。需要在专业项目或个人方案中利用复杂的图像和视频数据集来实现先进、有效和高效的CNN模型。
推荐学习《实用卷积神经网络运用Python实现高级深度学习模型》，学习实现高级视觉相关算法和解决方案，用于目标检测、实例分割、生成式（对抗）网络、图像捕捉、注意力机制以及循环视觉注意模型。动手实践最有趣的视觉模型和架构，探索CNN和计算机视觉领域最前沿的研究。
《实用卷积神经网络运用Python实现高级深度学习模型》中文PDF，199页，带目录，文字可复制；英文PDF，211页，带书签，文字可复制。配套源代码。
下载: https://pan.baidu.com/s/1rvnXAMXwd0-BYtf70omqWA
提取码: b6yy
《实用卷积神经网络运用Python实现高级深度学习模型》主要用Python语言构建CNN，主要利用各种Python和深度学习库（如Keras，TensorFlow和Caffe）来构建真实世界的应用程序。从构建CNN块开始，指导实现真实的CNN模型及解决方案。学习创建图像和视频的创新解决方案，以解决复杂的机器学习和计算机视觉问题。
共9章内容，其中第3章从零开始针对图像分类问题构建一个简单的CNN，并阐明如何调整参数、优化训练时间以及CNN的性能，以分别提高效率和准确率。第7章讲授目标检测、实例分割和图像分类的区别。然后介绍多种使用CNN进行目标检测和实例分割的技术。第8章探究生成式CNN网络，然后将其与我们学习得到的有识别力的CNN网络相结合，用CNN/GAN创造新的图像。
从深度神经网络概述开始，通过一个图像分类的例子构建第一个CNN模型。将学习一些概念，如转移学习、CNN自编码器等，这些概念将帮助构建非常强大的模型，即使只有有限的监督学习（有标签图像）训练集。
深度卷积网络DCNN是目前十分流行的深度神经网络架构，它的构造清晰直观，效果引人入胜，在图像、视频、语音、语言领域都有广泛应用。《深度卷积网络:原理与实践》以AI领域新的技术研究和和实践为基础，从技术理论、工作原理、实践方法、架构技巧、训练方法、技术前瞻等6个维度对深度卷积网络进行了系统、深入、详细地讲解。
《深度卷积网络:原理与实践》 PDF，331页，带目录，文字可复制。配套源代码。
下载: https://pan.baidu.com/s/1Qz4864r_vjGNSGVx1ynavQ
提取码: 67xi
《深度卷积网络:原理与实践》还是很不错的。通俗易懂的介绍了卷积网络，并给出了详细的证明。写作比较严谨，还给出了详细的参考文献供进一步探究。作为一本入门书完全是合格的。
以实战为导向，深入分析AlphaGo和GAN的实现过程、技术原理、训练方法和应用细节，依次揭开神经网络、卷积网络和深度卷积网络的神秘面纱，了解AI的“思考过程”，以及与人类思维的相同和不同之处。
《深度学习：从入门到实战》中文PDF，314页，有书签，文字可以复制。配套源代码。
下载: https://pan.baidu.com/s/1aGcg2Kyd4_m9kgLCSKCiWg
提取码: ep8e
以大量实战应用案例及知识模块等内容帮助机器学习领域的初、中级程序员踏实通过深度学习的技术门槛，切实提升开发技能，积累开发经验。应用案例丰富，深入浅出地解析深度学习的方法论和深度学习实战应用。
详细讲述了深度学习中涉及的神经网络基础知识、方法论解析与核心技术；同时从12个落地实践角度阐述了深度学习的实践应用。所有案例的代码程序均可以运行，按照相应说明，即可得到预期效果。
神经网络和深度学习目前提供了针对图像识别，语音识别和自然语言处理领域诸多问题的最佳解决方案。深度神经网络和深度学习在计算机视觉、语音识别和自然语言处理等许多重要问题上取得了出色的表现。
《神经网络与深度学习应用实战》PDF，250页，有目录，文字可以复制。《深度学习轻松学核心算法与视觉实践》PDF，349页，有目录，文字可以复制，配套源代码。
下载: https://pan.baidu.com/s/1v9ChMHTAwgym1TAyAaMfEw
提取码: sex3
《神经网络与深度学习应用实战》结合实际应用介绍神经网络和深度学习等技术领域相关信息。从结构上重点介绍了前馈型神经网络、反馈型神经网络，以及自组织竞争型神经网络，并针对当下深度学习中比较重要的网络进行了详细介绍，包括卷积神经网络、循环（递归）神经网络、深度信念网络、生成对抗网络，以及深度强化学习。《神经网络与深度学习应用实战》对当前神经网络和深度学习技术有体系的认知，在人工智能领域进行一些深入思考。
《深度学习轻松学核心算法与视觉实践》介绍了深度学习基本算法和视觉领域的应用实例。书中以轻松直白的语言，生动详细地介绍了深层模型相关的基础知识，并深入剖析了算法的原理与本质。配有大量案例与源码，帮助切实体会深度学习的核心思想和精妙之处。介绍了深度学习在视觉领域的应用，从原理层面揭示其思路思想，帮助在此领域中夯实技术基础。
示例代码主要是python+keras或者Caffe。值得一看的是三种视角切换看卷积过程、FFT视角理解卷积，以及后面GAN的简单解释。
介绍了卷积神经网络中很多细节，这些细节是十分重要的，它们决定了一个人对CNN的理解深度。有些人深耕应用，可能真的对其中的原理不甚了解，这样会制约一个人的发展。很多人只关注了深度学习的神奇，却不是很重视神奇背后的逻辑，简单地以”炼丹“来解释，这样实际上也是对深度学习的轻视。