你知道麼？

有一款App叫做Prisma。你只要上傳你自己的照片，再選擇一張風格圖片（例如莫奈的畫作），點擊一個按鈕，Prisma就可以生成一張莫奈風格的你。

還有一款App叫做FaceApp，它可以使你的臉發生各種有趣的變化。比如給你的臉上妝，看一看你以後蒼老的樣子，甚至可以為抑鬱寡歡的臉添加一抹笑容。

......

這些應用背後的支撐技術使用的都是人工智能技術。Prisma所使用的是人工智能中的風格遷移（Style Transfer）技術。FaceApp採用圖像生成技術，通過不斷提取大量照片中人像的特徵，再造出全新的圖片。

——

在21世紀的第二個十年裡，科技界最大的進展恐怕非人工智能莫屬了。無論是碾壓人類智商的圍棋高手AlphaGo，還是遍佈全國車站的人臉識別系統，配備了深度學習技術的最新人工智能展現了它無限大的勢能。

然而，這些有關人工智能的新聞會給我們造成一種錯覺：人工智能是一種高科技，只有谷歌、微軟、臉書這樣的大公司才有可能應用，而與我們普通人或者小公司毫無關係。

事實並非如此，隨著各大公司開源了他們的深度學習框架和平臺，我們每一個普通企業或者個人都可以快速地應用人工智能技術。你只要有一臺筆記本電腦，就可以輕鬆玩轉深度學習，實現諸如人臉識別、圖像生成、機器翻譯、聊天機器人等強大的人工智能功能。

人工智能令人心潮澎湃，那麼一般的程序員又該如何入門“高大上”的人工智能技術呢？下面推薦個深度學習的書單給你，機器學習與人工智能的書單之後也會推出。下面是人工智能、機器學習與深度學習的關係圖：

引語改編自《深度學習原理與PyTorch實戰》

從基礎知識入門

01 《深度學習的數學》

湧井良幸，湧井貞美 著

楊瑞龍 譯

神經網絡的“自學習”聽起來很難，但它運用的數學理論是非常簡單的，基本上是比較基礎的數學知識。

《深度學習的數學》結合235幅插圖和大量基於Excel實踐的示例介紹了掌握深度學習所需的數學基礎知識。在豆瓣收穫9.0分好評。

02 《深度學習入門：基於Python的理論與實現》

齋藤康毅 著

陸宇傑 譯

本書與其他深度學習書有什麼不同？本書使用 Python 3，在儘量不依賴外部庫或工具的情況下，帶著讀者從零開始創建了一個深度學習模型。為什麼這麼做？

如果把本書比作一本關於汽車的書，那麼本書並不會教你怎麼開車，其著眼點不是汽車的駕駛方法，而是要讓讀者理解汽車的原理。

為了讓讀者理解汽車的結構，必須打開汽車的引擎蓋，把零件一個一個地拿在手裡觀察，並嘗試操作它們。之後，用盡可能簡單的形式提取汽車的本質，並組裝汽車模型。

本書的目標是，通過製造汽車模型的過程，讓讀者感受到自己可以實際製造出汽車，並在這一過程中熟悉汽車相關的技術。本書在豆瓣收穫9.3分好評。

03 《圖解深度學習》

山下隆義 著

張彌 譯

《圖解深度學習》是為了使初學者、將要開始挑戰深度學習研究的大學生和研究生，以及企業的研究開發人員入門深度學習而作。

它涵蓋136 張圖 + 60 段代碼，全綵印刷，濃縮了深度學習中的關鍵知識點。

04 《深度學習基礎與實踐》

Josh Patterson , Adam Gibson 著

鄭明智 譯

本書是由兩位技術出身的企業管理者編寫的 Java 深度學習普及書。

之所以這樣組織這樣一本書，是因為我們相信存在這樣的需求，即一本既涵蓋“足夠的理論”，同時又提供足夠的實踐，使得讀者能夠構建生產級別的深度學習工作流的書。這本書雙管齊下，很好地滿足了這個需求。

深度學習工具入門

2015—2016年，數萬名新人入坑深度學習，其中很多人都選擇了 Keras，因為它是最容易上手的框架。

01 《Python深度學習》

弗朗索瓦•肖萊 著

張亮（hysic） 譯

本書立足於人工智能的可達性和大眾化，讀者無須具備機器學習相關背景知識即可展開閱讀。在學習完本書後，讀者將具備搭建自己的深度學習環境、建立圖像識別模型、生成圖像和文字等能力。

本書由Keras之父、現任Google人工智能研究員的弗朗索瓦•肖萊（François Chollet）執筆，詳盡介紹了用Python和Keras進行深度學習的探索實踐，包括計算機視覺、自然語言處理、產生式模型等應用。書中包含30多個代碼示例，步驟講解詳細透徹。豆瓣評分9.6分。

02 《Keras圖像深度學習實戰》

獨立電子書

侯宜軍 著

本書共分成8個章節，第1章是Keras簡介和環境搭建；第2～6章整體介紹Keras的軟件框架，包含卷積層，池化層，損失函數，優化器等關鍵部件的使用說明；第7章介紹了常用的圖像預處理技術，包括高斯濾波，輪廓檢測等常用操作的介紹；第8章是實戰篇，介紹Keras神經網絡模型中常用的圖像模型的設計方法，以及應用於視頻領域的入門級介紹。本書是Keras神經網絡中專注於圖像識別領域的專業書籍，具有較強的實戰性。

本書的目標人群主要定位為具有一定python編程基礎，對深度學習原理有一定了解，並且對人工智能圖像處理領域有濃厚興趣的人群。

PyTorch是Facebook發佈的一款非常具有個性的深度學習框架

01 《深度學習原理與PyTorch實戰》

集智俱樂部 著

一本系統介紹深度學習及開源框架PyTorch的入門書，它通過豐富的案例和清晰的講解，帶你找到良好的深度學習修煉路線，直達獲得最佳學習狀態，而不必像隨機梯度下降般迂迴繞路。

全書注重實戰，每章圍繞一個有意思的實戰案例展開，不僅循序漸進地講解了PyTorch的基本使用、神經網絡的搭建、卷積神經網絡和循環神經網絡的實現，而且全面深入地介紹了計算機視覺、自然語言處理、遷移學習，以及最新的對抗學習和深度強化學習等前沿技術。

通過閱讀本書，可以輕鬆入門深度學習，學會構造一個圖像識別器，生成逼真的圖畫，讓機器理解單詞與文本，讓機器作曲，教會機器玩遊戲，還可以實現一個簡單的機器翻譯系統。

本書適用於人工智能行業的軟件工程師、對人工智能感興趣的學生，也非常適合作為深度學習培訓教程。

02 《PyTorch深度學習實戰》

獨立電子書

侯宜軍 著

本書從原理到實戰、深入淺出地介紹了Facebook人工智能利器Pytorch的卓越表現，只要認真讀完本書，你就能掌握Pytorch的使用技巧了。

全書共分成16個章節，第1章是Pytorch簡介和環境搭建；第2～8章是Keras的軟件框架說明，包含了層的說明，優化器和損失函數等；第9～10章重點介紹了深度學習中的卷積和池化的概念；第11～12章是介紹用神經網絡模型搭建圖像識別系統的實戰經驗；第13～16章介紹如何使用LSTM模型來處理自然語言。

TensorFlow是2015年年底開源的一套深度學習框架，是目前最活躍的深度學習框架。

01 《TensorFlow入門與實戰》

羅冬日 著

由一線開發人員實戰經驗總結的零基礎入門TensorFlow和深度學習指南。

它基於1.3版本，首先介紹了它的安裝和基本用法，然後討論了深度學習的基本概念，包括神經網絡前向計算、損失函數、反向傳播計算和優化函數等，接著介紹了卷積神經網絡和循環神經網絡，最後介紹了在大規模應用的場景下，如何實現分佈式的深度學習訓練。

02 《TensorFlow深度學習》

Giancarlo Zaccone 等 著

李志 譯

本書介紹關於機器學習系統的深度學習算法，使我們可以在搜索、圖像識別、語言處理等產品中實現這些算法。你將學習如何分析並改進深度學習模型的表現，通過與標準算法進行比較，藉助機器智慧，在特定文本中從信息和決策行為中學習。

讀完本書後，你將熟悉機器學習技術，尤其是使用TensorFlow進行深度學習，並將所學知識用於研究或商業項目。本書適合想要探索數據抽象層的數據科學家，展現瞭如何在實際中使用TensorFlow處理複雜且未經加工的數據。

03 《深入理解TensorFlow：架構設計與實現原理》

彭靖田 , 林健 , 白小龍 著

由谷歌機器學習開發專家、華為深度學習團隊系統工程師、華為深度學習雲服務的技術負責人聯合編寫，業內眾多大咖傾力推薦，本書不僅介紹瞭如何使用TensorFlow，還剖析了其系統設計原理。

本書從基本概念、內部實現和最佳實踐等方面深入剖析了TensorFlow。書中首先介紹了TensorFlow設計目標、基本架構、環境準備和基礎概念，接著重點介紹了以數據流圖為核心的機器學習編程框架的設計原則與核心實現，緊接著還將TensorFlow與深度學習相結合，從理論基礎和程序實現這兩個方面系統介紹了CNN、GAN和RNN等經典模型，然後深入剖析了TensorFlow運行時核心、通信原理和數據流圖計算的原理與實現，最後全面介紹了TensorFlow生態系統的發展。

具體方向應用實戰

01 《Hadoop深度學習》

Dipayan Dev 著

範東來 , 趙運楓 , 封強 譯

一本書讀懂深度學習來龍去脈，概覽Hadoop如何玩轉深度學習。

本書主要目標是處理很多深度學習應用的熱點問題並向讀者披露解決方案的細節。主要內容分為7章：第1章介紹深度學習基礎知識，第2章介紹大規模數據的分佈式深度學習，第3章介紹卷積神經網絡，第4章介紹循環神經網絡，第5章介紹受限玻爾茲曼機，第6章介紹自動編碼器，第7章介紹如何用Hadoop玩轉深度學習。