（附链接）45k+ Star 的书：深度学习 500 问-技术圈

点击左上方蓝字关注我们

全网搜集目标检测相关，人工筛选最优价值内容

编者荐语

《深度学习 500 问》这本书的作者是通过问答的形式，对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，清晰明了，方便检索，特别适合初学者。其次，该作者将这本书无偿发布在 GitHub 上，大家可以直接在线阅读或下载学习。最后，这是一本中文书。

转载自 | AI 科技大本营

现在，笔者就来为大家介绍这本书的详细内容。

第一章：数学基础

这部分内容可能和大家以往看到的数学理论知识书籍不太一样，这里作者并没有讲解那些知识点，而是帮大家总结整理了知识点间的关系，比如：张量与矩阵的区别，奇异值与特征值的关系，常见概率分布（涵盖 12 种分布；通过分析每种分布的密度函数、数学期望、方差、特征函数等方面进行对比）等等。

第二章：机器学习

机器学习涉及的知识非常的多，作者在这里为大家讲解了常见的算法及它们各自的优缺点，如何根据数据类型来选择模型，如何选择函数，以及不同方法（如：降维方法 LDA、PCA）的优缺点。

第三章：深度学习

从数学基础到机器学习，接下来就是深度学习了。神经网络、前向传播、反向传播、激活函数、超参数、如何应用 Sofxmax、调节 Batch-Size 、归一化、Dropout 这些问题作者已经都为大家准备好了。

第四至六章：经典网络、CNN、RNN

第四章主要是 LetNet、AlexNet、ZFNe、VGG、GoogleNet、Inception 等经典网络模型结构、模型特点的解读。第五章则详细讲解了 CNN 网络的各组成层、卷积核、步长等基础知识，还有图解 12 种不同类型的 2D 卷积，以及 2D 卷积与 3D 卷积的不同之处；第六章为大家讲解 RNN 的特点、拓展和改进的网络和在 NLP 中的典型应用。

有了这样的讲解，还担心自己搞不懂这些网路吗？

第七至十八章

生成对抗网络(GAN)
目标检测
图像分割
强化学习
迁移学习
网络搭建及训练
优化算法
超参数调整
GPU和框架选型
自然语言处理(NLP)
模型压缩、加速及移动端部署
后端架构选型、离线及实时计算
后端架构选型及应用场景

看到作者把自己这么用心整理、总结的知识和资源公开发表出来时，CSDN AI 科技大本营第一时间联系到了作者。并采访了作者写这本书的初衷、目前的进展和今后的计划。现在，就来为大家介绍下本书作者——谈继勇。

问：能简单介绍下自己吗？

谈继勇：我是 2018 年硕士毕业于四川大学控制工程专业，并被评为四川大学优秀毕业生。目前就职于顺丰科技有限公司，最近正在做自动驾驶相关的技术。我曾在 Neurocomputing、Asian Journal of Control 等期刊发表论文 8 篇，其中 SCI/EI 6 篇。先后在四川大学 PMCIRI 研究所、中科院信息工程研究所和香港中文大学（深圳）交流学习，并主研过多项课题项目。

问：从什么时候开始关注人工智能？什么原因？

谈继勇：我是本科期间在实验室从事智能机器人、无人机相关研发，那时候觉得智能的工具设备很神奇，从那个时候开始接触。研究生阶段在四川大学 PMCIRI 研究所从事智能控制、计算机视觉相关的技术研究。

问：您是什么时候开始写《深度学习 500 问》的？初衷是什么？

谈继勇：我是 2017 年 9 月份开始整理，最初的想法是现有的书籍很难回答开发者各种各样的问题，市面上的书籍大多要么是一套使用方法工具类书籍，要么是理论类书籍，而经验不足的开发者想要快速开发、找到对症下药的解决方案变得很低效，所以想搜集整理这些问题成书，方便相关开发者更快的解决问题。

问：您是怎样搜集资料的？做了哪些准备？

谈继勇：主要根据现有大牛书籍、国内外知名学者个人网站、知名论坛、请教专业大牛，再结合自身理解，做了这些整理。

问：《深度学习 500 问》主要是面向什么类型的读者？为什么要采用问答的形式？

谈继勇：这个项目里面的内容以问答方式，针对不同的问题，给出解决方案，有需要的开发者或多或少都能从中受益。以问答的方式主要是方便快速解决问题，对症下药，并且能提高读者兴趣。

问：关于人工智能的学习和实践，您有什么经验可以分享的吗？

谈继勇：以做工程的角度看，需要多动手 debug，多积累实际经验。以理论角度看，加强理论知识的理解，不要跑跑模型就觉得可以了。

项目传送门：

https://github.com/scutan90/DeepLearning-500-questions

END

双一流大学研究生团队创建，专注于目标检测与深度学习，希望可以将分享变成一种习惯！

整理不易，点赞三连↓