https://www.cnblogs.com/yuanmath/p/13276496.html
卷积神经网络、循环神经网络、对抗式神经网络是深度学习的基石，同时也是深度学习的3大硬骨头。我认为要理解掌握这些网络，在学习理论推导时应该编写代码进行测试，先从简单特例开始，然后逐步一般性化，我选用PyTorch代码实例实现，一些优化方法也采用这种方法，如对数据集Cifar10分类优化，先用一般卷积神经网络，然后使用集成方法、现代经典网络，最后采用数据增加和迁移方法，使得模型精度不断提升，由最初的68%，上升到74%和90%，最后达到95%左右。
深度学习框架很多，如TensorFlow、PyTorch、Keras、FastAI、CNTK等，这些框架各有优缺点，应该如何选择？是否有一些标准？我认为，适合自己的就是最好的。初学者建议选择PyTorch，有了一定的基础之后，可以学习其他一些架构，如TensorFlow、CNTK等。
《Python深度学习基于PyTorch》PDF+源代码+吴茂贵
《Python深度学习基于PyTorch》PDF，531页，有书签目录，文字可复制，吴茂贵等著，配套源代码。
下载: https://pan.baidu.com/s/1sJwYJUTfbAAINd33gis6bg
提取码: mf63
PyTorch是动态计算图，其用法更贴近Python，并且，PyTorch与Python共用了许多Numpy的命令，可以降低学习的门槛，比TensorFlow更容易上手。PyTorch需要定义网络层、参数更新等关键步骤，这非常有助于理解深度学习的核心；而Keras虽然也非常简单，且容易上手，但封装粒度很粗，隐藏了很多关 键步骤。PyTorch的动态图机制在调试方面非常方便，如果计算图运行出错，马上可以跟踪问题。PyTorch的调试与Python的调试一样，通过断点检查就可以高 效解决问题。PyTorch的流行度仅次于TensorFlow。而最近一年，在GitHub关注度和贡献者的增长方面，PyTorch跟TensorFlow基本持平。PyTorch的搜索热度持续 上涨，加上FastAI的支持。
葫芦书《百面机器学习算法工程师带你去面试》PDF+诸葛越
《百面机器学习算法工程师带你去面试》PDF，392页，带目录，文字可以复制；《百面机器学习算法工程师带你去面试》epub，101页，带目录，文字可以复制。
下载: https://pan.baidu.com/s/1_E1dfSqEoodn7CGhFafY4g
提取码: u5qq
书中收录了超过100道机器学习算法工程师的面试题目和解答，其中大部分源于Hulu算法研究岗位的真实场景。从日常工作、生活中各种有趣的现象出发，不仅囊括了机器学习的基本知识 ，而且还包含了成为出众算法工程师的相关技能，更重要的是凝聚了笔者对人工智能领域的一颗热忱之心，旨在培养读者发现问题、解决问题、扩展问题的能力，建立对机器学习的热爱，共绘人工智能世界的宏伟蓝图。
算法《美团机器学习实践》PDF+Xmind思维导图
《美团机器学习实践》PDF，318页，带目录，文字可复制。配有第1章至第17章的思维导图。
下载: https://pan.baidu.com/s/1NC2aov1iszDQPEr09OyVCQ
提取码: 841h
《美团机器学习实践》应该基本把美团机器学习模型/系统/应用都讲了，干货比较多，推荐！看起来模型的演进是：先是FTRL做简单的分类，大量排序场景用了分布式的LambdaMart，尝试了Deep&Wide，现在广告/搜索/推荐在Gringer（自己搭建的分布式机器学习平台）上跑微创新的深度学习模型ClickNet（主要是CTR预估）。ClickNet看起来比较类似凤巢的CTR模型结构。
《Python机器学习经典实例》PDF中英文+源代码
《Python机器学习经典实例》中文PDF，270页，带目录，文字可复制；英文PDF，295页，带目录，文字可复制；配有源代码。
下载: https://pan.baidu.com/s/1jUrmj187r-peemYoTC0J4A
提取码: uuyb
首先通过实用的案例介绍机器学习的基础知识，然后介绍一些稍微复杂的机器学习算法，例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经网络，等等。
《白话机器学习算法》PDF中英文F+数据
《白话机器学习算法》中文PDF，115页，带目录，文字可复制；英文PDF，134页，带目录，文字可复制。配套数据集链接。
下载: https://pan.baidu.com/s/1VjbePHUMGRxJDiEAqRRJVw
提取码: 7wgx
学习机器学习时，建议阅读《白话机器学习算法》，大白话来解释各种算法，没有具体实现，不过引用的示例很易懂，各种算法解释的也到位。总共12章，无监督学习算法、监督学习算法、调节参数列表、评价指标等，都有提及。
《跟着迪哥学 Python数据分析与机器学习实战》PDF+代码
《跟着迪哥学 Python数据分析与机器学习实战》PDF，497页，带目录，文字可复制；配套源代码。
下载: https://pan.baidu.com/s/142sJazhH8KC0vXdwfhlfmQ
提取码: 3me4
学习python，然后用于数据分析，同时能够进行机器学习实战，按照这个流程，对AI爱好者有很大帮助，我最喜欢关于经典网络架构的介绍，卷积神经网络整体架构，AlexNet网络，VGG网络，ResNet网络，TensorFlow实战卷积神经网络；有一个很好的神经网络项目实战——影评情感分析，涉及递归神经网络，RNN网络架构，LSTM网络，影评数据特征工程，词向量，数据特征制作，构建RNN模型。
《深度学习入门基于Python的理论与实现》PDF+代码
《深度学习入门:基于Python的理论与实现》中文PDF，314页，带目录标签，文字可复制。配套源代码。
下载: https://pan.baidu.com/s/1Ew_WvDQljWZ_YnGW-VDlsA
提取码: mh49
深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领从零创建一个经典的深度学习网络，深入浅出地剖析了深度学习的原理和相关技术。
张亮《Python深度学习》PDF代码分析
《Python深度学习》中文PDF，314页，带目录，彩色配图，能够复制；英文PDF，386页，彩色配图；配套源代码。
下载: https://pan.baidu.com/s/1AWvcyx9wt-T0Z1nzZNXHKA
提取码: 8ams
更好的标题应为基于Keras的深度学习，本人是Keras的开发者，因此权威性不必多说。此书最大的特色在于没有用一个数学公式，而仅用代码语言解释了深度学习的方方面面（除了强化学习），实在是程序员人群的最佳教材。
高志强《深度学习从入门到实战》中文PDF+源代码
《深度学习从入门到实战》中文PDF，314页，有书签，文字可复制，配套源代码。
下载: https://pan.baidu.com/s/1aGcg2Kyd4_m9kgLCSKCiWg
提取码: ep8e
《深度学习从入门到实战》讲述了深度学习中涉及的神经网络基础知识、方法论解析与核心技术；同时从12个落地实践角度阐述了深度学习的实践应用。
《实用卷积神经网络运用Python实现高级深度学习模型》PDF中英文+代码
《实用卷积神经网络运用Python实现高级深度学习模型》中文PDF，199页，带目录，文字可复制。英文PDF，211页，带书签，文字可复制。配套源代码。
下载: https://pan.baidu.com/s/1rvnXAMXwd0-BYtf70omqWA
提取码: b6yy
我们在学完数据分析、机器学习后，必然要进一步进行深度学习的研究，需要掌握RNN递归神经网络和CNN卷积神经网络，CNN像是计算机科学、生物学和数学的组合，CNN 的第一层通常是卷积层Convolutional Layer，首先需要了解卷积层的输入内容是什么，解释卷积层的最佳方法是想象有一束手电筒光正从图像的左上角照过。假设手电筒光可以覆盖 5 x 5 的区域，想象一下手电筒光照过输入图像的所有区域。
卷积神经网络正在革新几个应用领域，如视觉识别系统、自动驾驶汽车、医学发现、创新电子商务等。需要在专业项目或个人方案中利用复杂的图像和视频数据集来实现先进、有效和高效的CNN模型。
彭伟《揭秘深度强化学习》PDF+源代码
《揭秘深度强化学习》PDF，376页，带目录，文字可以复制。配套源代码。作者：彭伟
下载: https://pan.baidu.com/s/1CCOC1tY8Egr3Ct_sjdriOQ
提取码: xuc9
DRL 算法以马尔科夫决策过程为基础，是在深度学习强大的非线性函数的拟合能力下构成的一种增强算法。深度强化学习算法主要包括基于动态规划（DP）的算法以及基于策略优化的算法，要把这两种主要的算法（及设计技巧）讲解清楚，使算法研究人员能够熟练地掌握。
李理《深度学习理论与实战基础篇》PDF+代码
《深度学习理论与实战基础篇》PDF，306页，带目录，文字可复制；《深度学习理论与实战提高篇》PDF，748页，带目录，文字可复制；配套源代码。
下载: https://pan.baidu.com/s/1ywlmfIZxV1O0hTbqFgE73A
提取码: ruqq
回顾人工智能几十年经历过的起起落落，希望对人工智能及深度学习感兴趣的通过学习能够更加理性、更加全面地看待这个行业，理解人工智能尤其是深度学习的原理并应用，根据当前的技术现状合理地应用深度学习去改变人们的工作、生活和学习。
深度学习理论与实战不仅包含人工智能、机器学习及深度学习的基础知识，如卷积神经网络、循环神经网络、生成对抗网络等，而且也囊括了学会使用 TensorFlow、PyTorch 和 Keras 这三个主流的深度学习框架的最小知识量；不仅有针对相关理论的深入解释，而且也有实用的技巧，包括常见的优化技巧、使用多 GPU 训练、调试程序及将模型上线到生产系统中。
