火爆网络的《神经网络与深度学习》，有人把它翻译成了中文版！

点击“开发者技术前线”，选择“星标????”

在看|星标|留言,  真爱

今天给大家介绍一本非常好的深度学习入门书籍，就是《Neural Network and Deep Learning》，中文译为《神经网络与深度学习》。这是一本解释人工神经网络和深度学习背后核心思想的免费在线书籍。书籍在线地址：

http://neuralnetworksanddeeplearning.com/about.html

该书的作者是来自 Y Combinator Research 的研究员 Michael Nielsen，他也是⼀位量⼦物理学家、科学作家、计算机编程研究⼈员。他的个人主页是：

http://michaelnielsen.org/

书籍介绍

这是我个人以为目前最好的神经网络与机器学习入门资料之一。内容非常浅显易懂，很多数学密集的区域作者都有提示。全书贯穿的是 MNIST 手写数字的识别问题，每个模型和改进都有详细注释的代码。非常适合用来入门神经网络和深度学习！

全书共分为六章，目录如下：

• 第一章：使用神经网络识别手写数字

• 第二章：反向传播算法如何工作

• 第三章：改进神经网络的学习方法

• 第四章：神经网络可以计算任何函数的可视化证明

• 第五章：深度神经网络为何很难训练

• 第六章：深度学习

《Neural Network and Deep Learning》这本书的⽬的是帮助读者掌握神经⽹络的核⼼概念，包括现代技术的深度学习。在完成这本书的学习之后，你将使⽤神经⽹络和深度学习来解决复杂模式识别问题。你将为使⽤神经⽹络和深度学习打下基础，来攻坚你⾃⼰设计中碰到的问题。

本书⼀个坚定的信念，是让读者更好地去深刻理解神经⽹络和深度学习，如果你很好理解了核⼼理念，你就可以很快地理解其他新的推论。这就意味着这本书的重点不是作为⼀个如何使⽤⼀些特定神经⽹络库的教程。仅仅学会如何使用库，虽然这也许能很快解决你的问题，但是，如果你想理解神经⽹络中究竟发⽣了什么，如果你想要了解今后⼏年都不会过时的原理，那么只是学习些热⻔的程序库是不够的。你需要领悟让神经⽹络⼯作的原理。

GitHub项目

作者在公开这个在线书籍的同时也开源了配套的示例代码，放置在 GitHub 上，地址如下：

https://github.com/mnielsen/neural-networks-and-deep-learning

有点缺憾的是作者 Nielsen 提供的代码是基于 Python 2.6/2.7 的。不过有位作者 Michal Daniel Dobrzanski 使用 Python 3 复现了该书的所有代码！GitHub 地址为：

https://github.com/MichalDanielDobrzanski/DeepLearningPython35

有了在线书籍和代码，可以愉快地学习了！

但不止如此！

中文翻译

最近，笔者发现有人对这份英文版的在线书进行了翻译，并整理成更易阅读的 pdf 文件，共 207 页。译者为 Xiaohu Zhu 和 Freeman Zhang。

我们来看一下中文版的目录：

我看了一下，中文版的翻译质量非常高！而且电子书的排版很好，自带书签，便于大家学习！

资源下载

温馨提示：该书籍（包括中英文版）仅供学习交流使用，请勿用于任何商业用途！

《Neural Network and Deep Learning》中英文电子版 pdf 已打包完毕。需要的请自行下载。获取步骤如下：

1. 扫描下方二维码关注 "Github中文社区" 公众号

2. 公众号后台回复关键词：神经网络与深度学习

94页论文综述卷积神经网络：从基础技术到研究前景

卷积神经网络（CNN）在计算机视觉领域已经取得了前所未有的巨大成功，但我们目前对其效果显著的原因还没有全面的理解。2018年3月，约克大学电气工程与计算机科学系的 Isma Hadji 和 Richard P. Wildes 发表了论文《What Do We Understand About Convolutional Networks?》，对卷积网络的技术基础、组成模块、现状和研究前景进行了梳理，介绍了我们当前对 CNN 的理解。本文对该论文进行了摘要式的编译，更详细的信息请参阅原论文及其中索引的相关文献。

我已经把论文下放到网盘里 关注下面公号：回复“神经网络” 获取。

长按识别即可▲