为什么写这本书

在学习深度学习的几年时间里，我学习过一些国内外优秀的深度学习公开课程，这些课程口碑都很好；我也看过不少优秀老师写的高质量书籍，收获颇丰；我也在学习的过程中走过一些弯路，这些都是宝贵的经验。

我个人觉得，任何前沿技术，如深度学习，扎实的基础知识非常重要，而最好的基础知识的获取方式还是教材和书本。反观现在一些深度学习方面的书籍，或多或少存在以下问题：

（1）数学理论太多，公式多，起点高，对初学者不友善，容易削弱初学者学习的积极性。

（2）只讲深度学习框架，介绍如何调包、调用库函数，不讲深度学习的理论知识。容易造成初学者对深度学习技术的一知半解，沦为“调包侠”。

（3）理论与实战脱节，过于侧重理论或者过于侧重实战，两者之间没有很好的融合。

基于以上问题，我认为写一本真正适合深度学习初学者的入门书籍非常必要。这本书籍不仅要兼顾理论和实战，还应该将重点和难点知识通俗化、全面、细致地讲解。知识的难度呈阶梯性，照顾不同水平的读者。这样的书籍才能最大限度地让读者受益。

基于这样的考虑，《深度学习入门：基于PyTorch和TensorFlow的理论与实现》与大家见面了。

全书共9章，主要内容如下：

第1～3章，主要对深度学习进行简要概述，列举重要的Python基础知识，如何搭建开发环境，以及TensorFlow和PyTorch的精炼教程等内容。

第4～7章，主要介绍神经网络的基础知识，以感知机入手，到简单的两层神经网络，详细推导正向传播与反向梯度的算法理论，然后介绍深层神经网络，并重点介绍神经网络优化算法及构建神经网络模型的实用建议。

第8～9章，主要介绍卷积神经网络（CNN）和循环神经网络（RNN）的基本结构，重点剖析两种模型的数学原理和推导过程。