我认为，学习神经网络的重点不是学习如何使用一些特定神经网络库，神经网络库经常变化，深度学习工具经常更新。重点在于要领悟让神经网络工作的原理。技术来来去去，但原理是永恒的。
通过学习解决一个具体的问题，如教会计算机识别手写数字的问题，来学习神经网络和深度学习的核心理论。这个问题用常规的方法法来编程解决是非常困难的。然而，正如我们所看到的，它可以很好地利用一个简单的神经网络来解决，只需几十行代码，没有特别的库。更多的是，我们会通过多次迭代来改进程序，逐步融入神经网络和深度学习的核心思想。
学习参考：
《神经网络与深度学习（美）Michael Nielsen 著》中文版PDF+英文版PDF+源代码
中文版PDF，206页，带书签目录；英文版PDF，292页，带书签目录；配套源代码。
下载: https://pan.baidu.com/s/1lxUtOSeyH-GuxFPb5Eb2oQ
提取码: mc5m
神经网络和深度学习给出了在图像识别、语义识别和NLP领域中很多问题的最好解决方案。本书将会教你在神经网络和深度学习背后的众多核心概念。
学习深度学习核心算法以及在计算机视觉、语音识别、自然语言处理中的相关应用，推荐学习《深度学习核心技术与实践》。
《深度学习核心技术与实践》适合深度学习从业人士或者相关研究生作为参考资料，也可以作为入门教程来大致了解深度学习的相关前沿技术。
《深度学习核心技术与实践》PDF，530页，带目录，文字可复制。配套代码和资源链接。
下载: https://pan.baidu.com/s/1Ij3wlFb8_wWBrKZbQ-JjcQ
提取码: e8k5
深度学习核心技术与实践》都是业界一线的深度学习从业者，所以书中所写内容和业界联系紧密，所涵盖的深度学习相关知识点比较全面。《深度学习核心技术与实践》主要讲解原理，较少贴代码。
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+源代码+彭博
《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。
从AlphaGo 到无人驾驶，从量子计算机到马斯克的太空计划，每一个焦点事件的背后都与人工智能有着很大的联系。2016 年至今，短短两年的时间，人工智能在与人类生活息息相关的医疗健康、金融、零售、娱乐等方面，发挥出了巨大的潜能。从应用领域来看，人工智能可应用于机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、语音识别、自动程序设计、智能控制、机器翻译、智能对话机器人等领域。
张平《图解深度学习与神经网络从张量到TensorFlow实现》PDF+源代码
《图解深度学习与神经网络从张量到TensorFlow实现》PDF，338页，带书签目录，文字可以复制。配套源代码
下载: https://pan.baidu.com/s/1fjqC3RXb7Czat3zoQ_YOxw
提取码: trdp
学习290张图+110个可执行的TensorFlow示例程序+算法示例；学习神经网络与深度学习背后的数学原理及上手应用；学习神经网络、深度学习背后的数学基础，掌握它们的原理与实现，更深刻地理解开源深度学习框架TensorFlow中的常用函数。
《图解深度学习与神经网络：从张量到TensorFlow实现》以TensorFlow 为工具介绍神经网络和深度学习，内容循序渐进，以简单示例和图例的形式，展示神经网络和深度学习背后的数学基础原理，帮助更好地理解复杂抽象的公式。同时，采用手动计算和程序代码这两种方式讲解示例，可以更好地帮助理解TensorFlow 的常用函数接口，为掌握利用TensorFlow 搭建人工智能项目打下良好的基础。
《人工神经网络理论设计及应用第二版》系统地论述了人工神经网络的主要理论和设计基础，给出了大量应用实例，旨在使读者了解神经网络的发展背景和研究对象，理解和熟悉其基本原理和主要应用，掌握其结构模型和基本设计方法，为以后的深入研究和应用开发打下基础。
韩力群《人工神经网络理论设计及应用第2版》PDF及课件
《人工神经网络理论设计及应用第2版》PDF，256页，带书签，文字可以复制。配套教学课件；作者: 韩力群
下载: https://pan.baidu.com/s/19w_C7R-A78oy0Ij5Xaa41g
提取码: rizs
第二版对原书约1/3的内容进行了更新，对保留内容进行了修改。取材注意内容的典型性和先进性，编排注意内容的逻辑性，阐述注重物理概念的清晰性，举例与思考练习的安排注意了内容的实践性，常用神经网络及算法的介绍着重于实用性。
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。《卷积神经网络的Python实现》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。《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。
单建华《卷积神经网络的Python实现》PDF及代码+李玉鑑《深度学习:卷积神经网络从入门到精通》PDF
《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
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。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。
