计算机视觉与深度学习，看这本书就够了

开始机器学习知识的学习，差很少已经有一年的时间。这期间看了不少教材和书籍，有些深刻进行了学习，有些书（好比深度学习领域著名的西瓜书）则看不下去。机器学习其实也有许多方向，好比强化学习、计算机视觉、天然语言处理等等，若是每一个方向都学习的话，普通人也没有那么多精力。

在通过一年的泛泛的学习以后，决定将计算机视觉做为个人主攻方向，主要也是由于我对计算机图像这个领域比较感兴趣。在网上搜索了一些资料，以及推荐书单后，决定选择《Deep Learning for Computer Vision with Python》做为认真研读的一本书，目前已经差很少看完了第一部: Starter Bundle，以为很是不错，推荐给有志于从事计算机视觉方向的朋友。

首先须要说明的是，这本书目前尚未中文版，好在做者没有使用生僻的词汇，用词遣句也比较简练，配合着Google翻译，读起来还算顺利。在公众号后台回复“计算机视觉”能够下载本书的电子版。

由计算机视觉专家Adrian Rosebrock编写的《Deep Learning for Computer Vision with Python》被评为当前最好的深度学习和计算机视觉资源之一。Google 的 AI 研究员和 Keras 库的做者Francois Chollet对于本书作出过这样的评价：

这是一部关于计算机视觉的卓越的、深刻且实用的深度学习实践做品。我认为它很是易读易懂：书中的解释清晰而又详细。在书中你可以找到许多在其余书籍或大学课程中难以见到的实用的建议。对于从业者和初学者，我强烈推荐这本书。

这本书分为三个bundle:

• Starter Bundle - 这部分的内容比较基础，包括从零开始实现回归算法、深度神经网络和卷积神经网络。对于彻底没有机器学习基础的人而言，能够从实例中学习到深度学习的基础知识。若是有必定的深度学习知识背景，也能够学习到在实际中若是应用深度学习（主要是图像分类），加深对深度学习的理解。

• Practition Bundle - 这部分的内容在Starter Bundle基础上更进一步，探讨的是在实际中可能会碰到的问题及解决之道，好比提升识别的精度、模型选择、超大数据集，最后引入了几个大型的、复杂的网络模型。

• ImageNet Bundle - 这部分更多的关注于实战，前半部分是在ImageNet数据集上训练各类复杂的网络，后半部分则是解决实际生活中的问题，包括表情检测、车辆识别、年龄预测等等。完成这部分的学习以后，想必你的实战能力会提升一大截。

若是你对在计算机视觉（图像分类、对象检测、图像理解等）中应用深度学习有兴趣，那这本书再好不过了。

在这本书中，你将可以：

• 理论和实践并重地学习机器学习和深度学习的基础内容
• 学习先进的深度学习技术，包括对象检测、多GPU训练、迁移学习以及生成对抗网络等
• 复现最前沿的论文成果，包括ResNet、 SqueezeNet、 VGGNet以及其余存在于 ImageNet 数据集中的成果

这本书最吸引个人地方在于，书籍兼顾了理论和实践二者之间的平衡，对每个深度学习理论，都会有一个关联的Python实现来帮助你巩固对其的理解和学到的知识。书中有详细的代码，且代码都有比较详细的说明，对Engineer很是友好。

我在学习的过程当中，都会尝试着输入代码，加深对代码的理解。你能够访问：github.com/mogoweb/aie…

在公众号后台回复“计算机视觉”能够下载本书的电子版。