# 深度学习书籍 > 原文： [https://machinelearningmastery.com/deep-learning-books/](https://machinelearningmastery.com/deep-learning-books/) 目前关于深度学习的书籍并不多，因为它是一个较新的学习领域。 虽然有一些书籍可供使用，还有一些非常有趣未出版的书籍可以提前体验购买到。 在这篇文章中，您将了解到现在可用于深度学习的书籍。 让我们开始吧。  深度学习书籍（我希望） 摄影： [Indi Samarajiva](https://www.flickr.com/photos/indi/4259120807/) ，保留一些权利。 ## 深度学习教科书 有一本深入学习的教科书已经出版了几年，简称[深度学习](http://www.deeplearningbook.org/)。 它由顶级深度学习科学家 [Ian Goodfellow](https://www.linkedin.com/in/ian-goodfellow-b7187213) ， [Yoshua Bengio](https://www.linkedin.com/in/yoshuabengio) 和 [Aaron Courville](https://www.linkedin.com/in/aaron-courville-53a63459) 撰写，包括该领域所有主要算法和一些练习。 我认为它应该是该领域的重点阅读材料，主要是因为他们免费开源（很像[统计学习要素](http://www.amazon.com/dp/0387848576?tag=inspiredalgor-20)是机器学习中必读的）。 书的内容很多已经完成，我强烈建议阅读它以获得深度学习算法的背景理论。 [](http://www.amazon.com/dp/0262035618?tag=inspiredalgor-20) 目前的目录如下： * 第一部分：应用数学和机器学习基础 * 线性代数 * 概率论与信息论 * 数值计算 * 机器学习基础 * 第二部分：现代实用的深度网络 * 深度前馈网络 * 正则 * 深度模型训练的优化 * 卷积网络 * 序列建模：循环网络和递归网络 * 实用方法论 * 应用 * 第三部分：深度学习研究 * 线性因子模型 * 自动编码 * 表征学习 * 深度学习的结构化概率模型 * 蒙特卡罗方法 * 对抗配分函数 * 近似推论 * 深度生成模型 ## 来自 O'Reilly 的深度学习书籍 目前有两本来自 O'Reilly 的书正在筹备中，这让我很兴奋： * [深度学习：从业者的方法](http://www.amazon.com/dp/1491914254?tag=inspiredalgor-20) * [深度学习基础：设计下一代机器智能算法](http://www.amazon.com/dp/1491925612?tag=inspiredalgor-20) ### 深度学习：从业者的方法 这是由 DeepLearning4J 的两个创作者编写的应用书： [Adam Gibson](https://www.linkedin.com/in/agibsonccc) 和 [Josh Patterson](https://www.linkedin.com/in/joshlpatterson) 。 [DeepLearning4J](http://deeplearning4j.org/) （或 DL4J）是 Java 应用程序的深度学习框架。 本书是为 Java 开发人员和数据科学家编写的实用书籍，我只能假设它提供了使用 DL4J 框架的示例。 这本书将于 2016 年 5 月出版，目前没有我能找到的目录。 [](http://www.amazon.com/dp/1491914254?tag=inspiredalgor-20) ### 深度学习的基础知识：设计下一代机器智能算法 这是 [Nikhil Buduma](https://www.linkedin.com/in/nikhilbuduma) 编写的另一本 Python 应用书。它涵盖了深度学习概念和示例。您可以提前阅读本书，撰写本文时共有 5 章。 本书目前的工作目录如下： * 神经网络 * 训练前馈神经网络 * 在 TensorFlow 中实现神经网络 * 超越梯度下降 * 卷积神经网络： * 嵌入和表示学习 * 序列分析的深度学习模型 * 记忆增强的深度学习模型 * 生成性深度学习模型 * 深度强化学习 * 面向一般无监督学习 * 训练极深度神经网络 我很高兴能得到这本书。 [](http://www.amazon.com/dp/1491925612?tag=inspiredalgor-20) ## Packt Publishing 的深度学习 Packet 2016 年 5 月出版了一本书，由 [Yusuke Sugomori](https://www.linkedin.com/in/yusugomori) 撰写，题为[深度学习与 Java](http://www.amazon.com/dp/1785282190?tag=inspiredalgor-20) 。它适合于 Java 开发人员和数据科学家，并将使用 DeepLearning4J 框架提供示例。 似乎没有可用于本书的目录，但我相信你可以[尽早获得它](https://www.packtpub.com/big-data-and-business-intelligence/deep-learning-java)。 [](http://www.amazon.com/dp/1785282190?tag=inspiredalgor-20) ## C ++和 CUDA C 中的深信仰网 [Timothy Masters](https://www.linkedin.com/in/tim-masters-82a58739) 多年来撰写了许多关于人工神经网络的书籍。 2015 年，他用 C ++和 CUDA 写了两本关于 Deep Belief Networks 的书。 这些书提供了示例，主要关注他的软件 DEEP。您可以在[网页](http://www.timothymasters.info/Deep_learning.html)上了解有关其软件的更多信息。 这两本书是： [Deep Belief Nets in C++ and CUDA C: Volume 1: Restricted Boltzmann Machines and Supervised Feedforward Networks](http://www.amazon.com/dp/1507751478?tag=inspiredalgor-20) 本书的目录是： * 监督前馈网络 * 受限制的玻尔兹曼机器 * 贪心训练 * DEEP 操作手册 [Deep Belief Nets in C++ and CUDA C: Volume II: Autoencoding in the Complex Domain](http://www.amazon.com/dp/1514365995?tag=inspiredalgor-20) 本书的目录是： * 嵌入式类标签 * 信号预处理 * 图像预处理 * Autoencoding * DEEP 操作手册 ## 人工智能 [Jeff Heaton](https://www.linkedin.com/in/jeffheaton) 是一本关于人工智能的三本书系列的研究员和作者： * [人类智能，第 1 卷：基本算法](http://www.amazon.com/dp/1493682229?tag=inspiredalgor-20) * [人类智能，第 2 卷：自然启发算法](http://www.amazon.com/dp/1499720572?tag=inspiredalgor-20) * [人工智能，第 3 卷：深度学习和神经网络](http://www.amazon.com/dp/1505714346?tag=inspiredalgor-20) 该系列的第三本书涵盖了人工神经网络，并有一些关于深度学习技术的章节。 [](http://www.amazon.com/dp/1505714346?tag=inspiredalgor-20) 目录如下： * 神经网络基础知识 * 自组织映射 * Hopfield 和 Boltzmann 机器 * 前馈神经网络 * 训练和评估 * 反向传播训练 * 其他传播训练 * NEAT，CPNN 和 HyperNEAT * 深度学习 * 卷积神经网络 * 修剪和模型选择 * dropout和正规化 * 时间序列和循环网络 * 构建神经网络 * 可视化 * 用神经网络建模 一般来说，杰夫是一个很好的交流对象，他的书得到了社区的关注，因为他[在创作过程中使用了 KickStarter](https://www.kickstarter.com/projects/jeffheaton/artificial-intelligence-for-humans-vol-3-deep-lear) 。如果你正在寻找神经网络的介绍并发现深度学习适合的地方，他书籍系列的第三部分会是很好的阅读材料。 ## R 的深度学习 N. D. Lewis 有一系列关于统计学和机器学习的书籍，包括有关神经网络的书籍。 2016 年初，他发表了一本关于深度学习的书，名为：[深度学习轻松学习 R：数据科学的温和介绍。](http://www.amazon.com/dp/B01AEXMX34?tag=inspiredalgor-20) 。 [](http://www.amazon.com/dp/B01AEXMX34?tag=inspiredalgor-20) 目录如下： * 深度神经网络 * Elman 神经网络 * Jordan 神经网络 * 自动编码器的秘密 * 坚果壳中的堆叠自动编码器 * 受限制的玻尔兹曼机器 * 深度信念网络 ## 更新：更多书籍 本节列出了撰写本文后已发布（或预计将发布）的附加书籍。 * [神经网络与深度学习](http://neuralnetworksanddeeplearning.com/index.html) * [Grokking 深度学习](http://www.amazon.com/dp/1617293709?tag=inspiredalgor-20) * [使用 TensorFlow 进行机器学习](http://www.amazon.com/dp/1617293873?tag=inspiredalgor-20) * [TensorFlow 机器学习手册](http://www.amazon.com/dp/1786462168?tag=inspiredalgor-20) * [TensorFlow 入门](http://www.amazon.com/dp/B01H1JD6JO?tag=inspiredalgor-20) * [Scikit-Learn 和 TensorFlow 实践机器学习：构建智能系统的概念，工具和技术](http://www.amazon.com/dp/1491962291?tag=inspiredalgor-20) ## 摘要 在这篇文章中，您将发现现在可用于深度学习的书籍。 您是否购买或阅读过其中一本书？发表评论，让我知道你对它的看法。 还有更多关于深度学习的书籍，你知道它们已经或已经在这里吗？请在评论中告诉我。