深度學習原理與PyTorch實戰（第2版）

對於我這種半個外行來說，是一本很合適的書 ，合適在哪？ 1. 所有深度學習的知識點都講到了，也許並不深入，但對我正好 2. 具備實操性，而不僅僅是講道理。我沒有都敲一遍代碼，弄了幾個感興趣的例子，證明可用 3. 語言淺顯不晦澀，有很強的可讀性。比如關於transformer的講解，看完後懂了，好像也還記住了 4. 在學習gpt這些模型的時候，遇到一些常識問題，還可以把這本書拿出來翻一翻，我還把它當手冊了 不太淺薄，不太艱深，於我正好

這本書最大的特地就是淺顯易懂，……CNN,RNN,LSTM,DQN，書中以大量生動淺顯的例子配合實例把神經網絡深度學習的原理講的清清楚楚，比起一般堆砌大量數字公式的AI書友好多了，適合作爲一門深度學習的入門書籍來看。

這不是一本理論著作，也不是一本好的應用著作。從人工智能理論的角度上講，書中對於關鍵理論的描述和理解是非常膚淺的，數學公式的論證和使用也非常模糊，對於算法架構的理解也是含混不清。從應用的角度，書中的大部分大段程序堆砌並沒有實質意義，而且也無法運行，講述流於膚淺。本書的唯一可取之處是覆蓋面還算大，但是都說的含糊，大概率作者也是不太清楚其中的原委。

對於一個完全不懂的人來說，這本書解答了我很多的困惑。 1. 明白了神經網絡的基本原理，輸入輸出都轉換成了向量，最終是以距離來判斷最優解。 2.對於訓練好的網絡怎麼給別人用也理解了，原來網絡保存到磁盤就是把結構跟權重保存就好了 3.第一次看了pytorch的用法，框架層面做的太好了，幾乎可以讓任何人上手，再結合上huggingface的模型應該可以玩出很多花。 4. 遷移學習這塊很有意思，沒想到fine tuning在實現上竟然如此簡單，多虧在網絡上的抽象

最近看了很多本深度學習相關的書，中文書絕大部分很差，沒什麼見解。這本書裏面關於中文分詞的部分是我看到的所有深度學習書籍裏面最好的，清晰易懂，也有配套代碼

讀完了。作者寫得很照顧讀者了，可惜我完全跟不上也讀不懂。 讀這本書，需要讀者已經掌握PyTorch，有一定的熟練度了，再讀這本書，可以在使用PyTorch做深度學習的項目，進行提高。 沒掌握PyTorch，或者不熟練，就會跟不上也讀不懂。 大概是，目前我還不適合讀這本書吧，我水平還夠不着入門線，哎~

總體來說，一般，以入門爲主，缺乏深度。 優點：覆蓋範圍廣，每個章節一個主題，在GitHub上也提供了代碼，目前基本都能直接運行，偶爾有點小bug，問題不大，這倒是不錯。 缺點： 1. 過於泛泛而談，每個主題都是淺嘗輒止，不深入探討，其實很多章節都可以獨立寫成一本書。 2. 很多概念的講解缺乏理論深度，理論方面講解太少。 3. 大概第12章之後就顯得很敷衍了，如果看不懂，不是讀者的原因，確實太敷衍，第12、13章建議換其他更專業的書。

看完《深度學習圖解》之後，再看這本，理解各種概念的難度低了很多。這本書在講道理的基礎上，給出了很多 PyTorch 的案例實現，操作性強。同時對當下比較熱門的模型 GPT、Transformer 架構也做了分析說明。說到 Transformer 架構，之前在網上查資料，看了許多還是一知半解，但是這本書給出了案例講的特別清楚。另外，每個章節後面的 QA 也很實用。

很好的深度學習和強化學習入門書

講的一般，比較簡單，適合我這種新手，但需要自己額外找資料深入學習