市面上深度学习的书籍很是多，对于初学者来讲，选一本好书进行学习很重要。那么要如何选择咱们能够从5个方面进行考虑：git
书的内容是否全面和深刻github
公式推导是否够仔细编程
程序讲解是否够细致，是否实用微信
书中的图表准备得是否够用心网络
书的逻辑结构是否清晰，讲解是否细致框架
下面我就从这5个方面来介绍一下我开源的新书：
ide
1.从最基础的内容一直到深度学习三大应用（图像，NLP和音频）都有涉及，而且全部内容都会进行最细致的讲解。你们能够到Github上看一下个人书籍目录，由于具体的目录太长我就不贴到这里了。章节目录为：
函数
第1章 深度学习背景介绍学习
第2章 搭建Python编程环境 优化
第3章 单层感知器与线性神经网络
第4章 BP神经网络
第5章 深度学习框架Tensorflow基础使用
第6章 网络优化方法
第7章 Tensorflow模型的保存和载入
第8章 卷积神经网络CNN
第9章 序列模型
第10章 经典图像识别模型介绍（上）
第11章 经典图像识别模型介绍（上）
第12章 图像识别项目实战
第13章 验证码识别项目
第14章 天然预测处理NLP发展历程（上）
第15章 天然预测处理NLP发展历程（上）
第16章 NLP任务项目实战
第17章 音频信号处理
第18章 图像风格转换
第19章 生成对抗网络GAN
第20章 模型部署
2.咱们看一本书的公式推导其实就能够看出这本书的写做风格，若是公式推导比较仔细，那么写做风格应该就是比较细致的；若是公式推导比较抽象，那么书里面的内容应该也是比较抽象的。
个人书里全部公式推导都有详细步骤，并解释每一个符号。本书中全部数学公式都会列出详细推导步骤，并解释每一个相关符号的含义，帮助你们理解。
书中截图1
书中截图2
3.咱们看一本书的代码能够看出这本书的水准和做者的用心程度。若是只是大段大段粘贴网上的代码，那很显然没什么水准做者也不怎么用心。
个人书里会注释每一行代码。我对代码的要求是逻辑结构清晰，程序在容易理解的基础上尽可能精简，而且要注释每行程序。我以为对于初学者而言，最好是能够理解每一行代码，每一个函数，函数中所使用的每一个参数，这样学习会感受比较扎实。程序皆为完整程序。本书一共82个代码应用案例，全部的代码都是能够从头至尾运行的完整程序，并附带真实运行结果，不存在程序片断样例。我以为程序片断对于初学者的学习不太友好，你们拿到一个程序片断每每仍是不知道如何使用，或者用起来的时候出现不少错误，因此我在书中使用的全部程序都是能够从头至尾直接运行的完整程序。
4.咱们看一本书的插图能够看出做者的用心程度。深度学习中不少模型结构，计算流程之类的内容很难用公式或者语言表达清楚，但每每一张好的图片就能够说明一切。若是有些做者以为图片不重要，那我以为这个想法自己就有点问题。若是真心但愿别人能从本身书里学到东西，那么就应该尽可能用读者更容易接受的方式去传达知识和内容，好比画图。
一图胜千言。本书一共使用了约500张图片，在本书的创做过程当中，大约有200个小时是花在画图以及思考如何画图上。下面随便贴几张书中的原创图片给你们看一下：
5.书的逻辑结构是否清晰，讲解是否细致。
你们若是有看过个人视频课程应该知道，个人风格就是逻辑清晰，讲解细致，因此个人书也是这个风格。
那是说到最后，哪本深度学习的书才是初学者的最佳选择呢？没有对比就没有伤害。咱们能够把市面上全部深度学习的书收集过来，而后使用以上所说的5点标准来进行评估，最后你们就能够很是轻易的获得结论。我以为最适合初学者学习的深度学习的书籍很显然就是。。。。。。就是你们如今所想的这一本。
点击下方原文连接下载电子书
本文分享自微信公众号 - AI MOOC人工智能平台（AIMOOC_XLAB）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。