之前给大家推荐过多次Python书单，今天打算给大家推荐一份深度学习的书单，刚刚看了一下，不知不觉已经有这么多深度学习书出版了。
１、深度学习实战手册 R语言版
作者： [印度]普拉卡什（Prakash） ,阿丘图尼·斯里·克里希纳·拉奥（Achyutuni Sri Krishna Rao）
译者： 王洋洋
- 深度学习与R语言强强联手
- 使用TensorFlow、H2O和MXNet解决复杂的神经网络问题
- 全彩印刷，在异步社区免费下载源代码和彩图文件
本书将深度学习和R语言两者结合起来，帮助你解决深度学习实战中所遇到的各种问题，并且教会你掌握深度学习、神经网络和机器学习的高级技巧。本书从R语言中的各种深度学习软件包和软件库入手，带领你学习复杂的深度学习算法。首先，从构建各种神经网络模型开始，而后逐步过渡到深度学习在文本挖掘和信号处理中的应用，同时还比较了CPU和GPU的性能。
２、深度学习与飞桨PaddlePaddle Fluid实战
作者： 于祥
- 百度飞桨PaddlePaddle技术人员深度解析
- 涵盖飞桨设计思想与核心技术、解析飞桨移动端底层技术
- 详解8种CV、NLP的工业级经典案例，提供源码下载资源深度学习
本书基于新的飞桨PaddlePaddle Fluid版本，以真实的应用案例介绍如何用飞桨PaddlePaddle解决主流的深度学习问题。全书共14章。本书首先介绍了什么是飞桨PaddlePaddle，然后介绍了其核心设计思想，进而紧紧结合案例介绍了飞桨PaddlePaddle在主流的图像任务领域、NLP领域的应用，最后还探讨了Paddle-Mobile与Anakin框架等高级主题。附录A和B给出了飞桨PaddlePaddle与TensorFlow、Caffe框架的接口中常用层的对比。
本书非常适合对人工智能感兴趣的学生、从事机器学习相关工作的读者阅读，尤其适合想要通过飞桨PaddlePaddle掌握深度学习应用技术的研究者和从业者参考。
３、深度学习
作者： 【美】Ian Goodfellow（伊恩·古德费洛） 【加】Yoshua Bengio（约书亚·本吉奥） 【加】Aaron Courville（亚伦·库维尔）
译者： 赵申剑 ,黎彧君 ,李凯 ,符天凡
- AI圣经
- deeplearning中文版2018年图灵奖获奖者作品，业内人称“花书”
- 人工智能机器学习深度学习领域奠基性经典畅销书
本书囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时，它还介绍了工业界中实践者用到的深度学习技术，包括深度前馈网络、正则化、优化算法、卷积网络、序列建模和实践方法等，并且调研了诸如自然语言处理、语音识别、计算机视觉、在线推荐系统、生物信息学以及视频游戏方面的应用。最后，本书还提供了一些研究方向，涵盖的理论主题包括线性因子模型、自编码器、表示学习、结构化概率模型、蒙特卡罗方法、配分函数、近似推断以及深度生成模型。
４、动手学深度学习
作者： 阿斯顿·张（Aston Zhang） 李沐（Mu Li） [美] 扎卡里·C. 立顿（Zachary C. Lipton） [德] 亚历山大·J. 斯莫拉（Alexander J. Smola）
- 人工智能机器学习深度学习领域重磅教程图书
- Amazon科学家作品
- 交互式实战环境下动手学深度学习的全新模式 原理与实战紧密结合
目前市面上有关深度学习介绍的书籍大多可分两类，一类侧重方法介绍，另一类侧重实践和深度学习工具的介绍。本书同时覆盖方法和实践。本书不仅从数学的角度阐述深度学习的技术与应用，还包含可运行的代码，为读者展示如何在实际中解决问题。为了给读者提供一种交互式的学习体验，本书不但提供免费的教学视频和讨论区，而且提供可运行的Jupyter记事本文件，充分利用Jupyter记事本能将文字、代码、公式和图像统一起来的优势。这样不仅直接将数学公式对应成实际代码，而且可以修改代码、观察结果并及时获取经验，从而带给读者全新的、交互式的深度学习的学习体验。
本书面向希望了解深度学习，特别是对实际使用深度学习感兴趣的大学生、工程师和研究人员。本书不要求读者有任何深度学习或者机器学习的背景知识，读者只需具备基本的数学和编程知识，如基础的线性代数、微分、概率及Python编程知识。本书的附录中提供了书中涉及的主要数学知识，供读者参考。
５、PyTorch深度学习
作者： [印度]毗湿奴•布拉马尼亚(Vishnu Subramanian)
译者： 王海玲 ,刘江峰
- 使用PyTorch开发神经网络的实用指南
- 深度学习框架PyTorch入门教程 涵盖机器学习 神经网络 计算机视觉应用等知识
- 提供本书彩图和源代码下载
本书对当今前沿的深度学习库PyTorch进行了讲解。凭借其易学习性、高效性以及与Python开发的天然亲近性，PyTorch获得了深度学习研究人员以及数据科学家们的关注。本书从PyTorch的安装讲起，然后介绍了为现代深度学习提供驱动力的多个基础模块，还介绍了使用CNN、RNN、LSTM以及其他网络模型解决问题的方法。本书对多个先进的深度学习架构的概念（比如ResNet、DenseNet、Inception和Seq2Seq）进行了阐述，但没有深挖其背后的数学细节。与GPU计算相关的知识、使用PyTorch训练模型的方法，以及用来生成文本和图像的复杂神经网络（如生成网络），也在本书中有所涵盖。
学完本书后，读者可以使用PyTorch轻松开发深度学习应用程序。
６、深度学习案例精粹
作者： Ahmed Menshawy
译者： 洪志伟 ,曹檑 ,廖钊坡
- Python深度学习机器学习教程
- 机器学习实战，Tensorflow实战教程
- Tensorflow自然语言处理，Python从入门到实践
本书主要讲述了深度学习中的重要概念和技术，并展示了如何使用TensorFlow实现高级机器学习算法和神经网络。本书首先介绍了数据科学和机器学习中的基本概念，然后讲述如何使用TensorFlow训练深度学习模型，以及如何通过训练深度前馈神经网络对数字进行分类，如何通过深度学习架构解决计算机视觉、语言处理、语义分析等方面的实际问题，最后讨论了高级的深度学习模型，如生成对抗网络及其应用。
７、 Keras深度学习实战
作者： [意大利]安东尼奥·古利(Antonio Gulli) [印度]苏伊特·帕尔(Sujit Pal）
译者： 王海玲 ,李昉
- 人工智能深度学习教程,Keras快速上手
- 基于Keras的Python实践
- Keras深度学习实践应用,提升AI编程能力
本书结合大量实例，简明扼要地介绍了目前热门的神经网络技术和深度学习技术。从经典的多层感知机到用于图像处理的深度卷积网络，从处理序列化数据的循环网络到伪造仿真数据的生成对抗网络，从词嵌入到AI游戏应用中的强化学习，本书带领读者一层一层揭开深度学习的面纱，并在逐渐清晰的理论框架下，提供多个Python编码实例，方便读者动手实践。
