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。
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。
深度学习，特别是深度卷积神经网络是人工智能的重要分支领域，卷积神经网络技术也被广泛应用于各种现实场景，在许多问题上都取得了超越人类智能的结果。
《卷积神经网络的Python实现》作为深度学习领域的入门读物，假定读者的机器学习知识为零，并尽可能少地使用数学知识，从机器学习的概念讲起，以卷积神经网络的最新发展结束。首先简单介绍了机器学习的基本概念，详细讲解了线性模型、神经网络和卷积神经网络模型，然后介绍了基于梯度下降法的优化方法和梯度反向传播算法，接着介绍了训练网络前的准备工作、神经网络及卷积神经网络实战和卷积神经网络的发展。针对每个关键知识点，给出了基于 NumPy 的代码实现以及完整的神经网络和卷积神经网络代码实现，方便读者训练网络和查阅代码。既可以作为卷积神经网络的教材，也可以供对卷积神经网络感兴趣的工程技术人员和科研人员参考。
卷积神经网络是深度学习最重要的模型之一。
《卷积神经网络的Python实现》PDF，232页，带书签目录，文字可以复制；配套源代码。作者: 单建华
《深度学习:卷积神经网络从入门到精通》PDF，434页，带书签目录，文字可以复制，李玉鑑著。
下载: https://pan.baidu.com/s/18jSwnnG4-j6rkj58mIp89Q
提取码: b4cs
《深度学习:卷积神经网络从入门到精通》对卷积神经网络进行由浅入深的分类描述，从现代雏形、突破模型、加深模型一直到强化模型和成就，并附有相关参考文献，方便读者及时查阅和钻研。旨在全面介绍各种卷积神经网络的模型、算法及应用，指导读者把握其形成和演变的基本脉络，以帮助读者在较短的时间内从入门达到精通的水平。有兴趣的读者可以从本书开始，通过图像分类、识别、检测和分割的案例，逐步深入卷积神经网络的核心，掌握深度学习的方法和精髓，领会AlphaGo战胜人类世界冠军的奥秘。
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:原理与实践》 PDF，331页，带目录，文字可复制。配套源代码；作者: 彭博
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。
《深度卷积网络:原理与实践》在逻辑上分为3个部分：
第一部分 综述篇（第1、6、9章）
这3章不需要读者具备编程和数学基础，对深度学习和神经网络的基础知识、AlphaGo的架构设计和工作原理，以及深度学习和人工智能未来的技术发展趋势进行了宏观介绍。
第二部分 深度卷积网络篇（第2、3、4、5章）
结合实际工作经验和案例代码，对深度卷积网络的技术理论、工作原理、实践方法、架构技巧和训练方法做了系统而深入的讲解。
第三部分 实战篇（第7、8章）
详细分析了AlphaGo和GAN的技术原理、训练方法和应用细节，包括详细的代码分析和大量GAN的精彩实例。
《解析深度学习卷积神经网络原理与视觉实践》PDF，178页，彩色配图，文字可复制，魏秀参著。
《深度学习:卷积神经网络从入门到精通》PDF，434页，带书签目录，文字可复制。
下载: https://pan.baidu.com/s/1rxGO4_bVS9i5elIwrzosRA
提取码: 4ux3
《解析深度学习：卷积神经网络原理与视觉实践》作为该领域的入门书籍，在内容上涵盖深度卷积神经网络的基础知识和实践应用两大方面。共14 章，分为三个部分：第一部分为绪论；第二部分 （第1～4 章）介绍卷积神经网络的基础知识、基本部件、经典结构和模型压缩等基础理论内容；第三部分（第5～14 章）介绍深度卷积神经网络自数据准备开始，到模型参数初始化、不同网络部件的选择、网络配置、网络模型训练、不平衡数据处理，最终到模型集成等实践应用技巧和经验。《解析深度学习：卷积神经网络原理与视觉实践》并不是一本编程类书籍，而是希望通过“基础知识”和“实践技巧”两方面从更高维度了解、掌握并成功构建针对自身应用问题的深度卷积神经网络。
下载: https://pan.baidu.com/s/1Qndgzk6g9ond-_5WeQ1c9A
提取码: mhap
学习深度学习推荐 《TensorFlow深度学习》中文PDF，245页，带书签目录，文字可以复制；英文PDF，436页，带书签目录，文字可以复制；配套源代码。经典书籍，讲解详细。
学习如何分析并改进深度学习模型的表现，通过与标准算法进行比较，借助机器智慧，在特定文本中从信息和决策行为中学习。使用 TensorFlow进行深度学习，并将所学知识用于研究或商业项目。