本书是一本系统介绍深度学习基础知识和理论原理的入门书籍。本书从神经网络的基本结构入手，详细推导了前向传播与反向传播的数学公式和理论支持，详细介绍了如今各种优化神经网络的梯度优化算法和正则化技巧，给出了在实际应用中的超参数调试和网络训练的技巧。同时，也介绍了典型的卷积神经网络（CNN）和循环神经网络（RNN）。除了介绍理论基础外，本书以Python为基础，详细介绍了如今主流的深度学习框架PyTorch和TensorFlow，并分别使用这两种框架来构建相应的项目，帮助读者从理论和实践中提高自己的深度学习知识水平。

本书作者笔名红色石头，北京大学硕士，数据科学与人工智能高级研发工程师，CSDN博客专家。擅长机器学习、深度学习算法理论，实战经验丰富。个人风格是擅长使用通俗易懂的语言深入浅出地讲解深度学习算法理论和知识点。累计发布原创文章200多篇。开设过GitChat达人课，开办过机器学习实战训练营，服务读者近5000人。

19世纪70 年代，电力的发明和应用掀起了第二次工业化高潮，从此改变了人们的生活方式，大大提高了人类的科技水平。现如今，深度学习技术也正在发挥同样的作用。近年来，深度学习技术的发展非常迅速，表现出强劲的发展势头。毫无疑问，深度学习技术正在影响我们的日常生活和行为方式。 深度学习怎么学 深度学习怎么学？事实上，很多初学者常常有两大误区：一是找不到一本真正适合自己的教材或书本来学习，陷入海量资源中手足无措；二是受制于数学理论知识的匮乏，自认为数学基础不好而影响学习的主动性和积极性。 这两大误区很容易让初学者陷入迷茫的状态。所以，第一步就是放弃海量资源。选择一份真正适合自己的资料，好好研读；第二步就是重视实践。深度学习涉及的理论知识很多，有些人可能基础不是特别扎实，就想从最底层的知识开始学起，如概率论、线性代数、凸优化理论等，但是这样做比较耗时间，而且容易减弱学习的积极性。啃书本和推导公式相对来说是比较枯燥的，远不如自己搭建一个简单的神经网络模型更能激发学习的积极性。当然，基础理论知识非常重要，只是在入门的时候，最好先从顶层框架上有个系统的认识，然后再从实践到理论，有的放矢地补充深度学习的知识点。从宏观到微观，从整体到细节，更有利于快速入门！ 为什么写这本书 在学习深度学习的几年时间里，我学习过一些国内外优秀的深度学习公开课程，这些课程口碑都很好；我也看过不少优秀老师写的高质量书籍，收获颇丰；我也在学习的过程中走过一些弯路，这些都是宝贵的经验。 我个人觉得，任何前沿技术，如深度学习，扎实的基础知识非常重要，而最好的基础知识的获取方式还是教材和书本。反观现在一些深度学习...