深度学习原理与PyTorch实战（第2版）

对于我这种半个外行来说，是一本很合适的书 ，合适在哪？ 1. 所有深度学习的知识点都讲到了，也许并不深入，但对我正好 2. 具备实操性，而不仅仅是讲道理。我没有都敲一遍代码，弄了几个感兴趣的例子，证明可用 3. 语言浅显不晦涩，有很强的可读性。比如关于transformer的讲解，看完后懂了，好像也还记住了 4. 在学习gpt这些模型的时候，遇到一些常识问题，还可以把这本书拿出来翻一翻，我还把它当手册了 不太浅薄，不太艰深，于我正好

这本书最大的特地就是浅显易懂，……CNN,RNN,LSTM,DQN，书中以大量生动浅显的例子配合实例把神经网络深度学习的原理讲的清清楚楚，比起一般堆砌大量数字公式的AI书友好多了，适合作为一门深度学习的入门书籍来看。

这不是一本理论著作，也不是一本好的应用著作。从人工智能理论的角度上讲，书中对于关键理论的描述和理解是非常肤浅的，数学公式的论证和使用也非常模糊，对于算法架构的理解也是含混不清。从应用的角度，书中的大部分大段程序堆砌并没有实质意义，而且也无法运行，讲述流于肤浅。本书的唯一可取之处是覆盖面还算大，但是都说的含糊，大概率作者也是不太清楚其中的原委。

对于一个完全不懂的人来说，这本书解答了我很多的困惑。 1. 明白了神经网络的基本原理，输入输出都转换成了向量，最终是以距离来判断最优解。 2.对于训练好的网络怎么给别人用也理解了，原来网络保存到磁盘就是把结构跟权重保存就好了 3.第一次看了pytorch的用法，框架层面做的太好了，几乎可以让任何人上手，再结合上huggingface的模型应该可以玩出很多花。 4. 迁移学习这块很有意思，没想到fine tuning在实现上竟然如此简单，多亏在网络上的抽象

最近看了很多本深度学习相关的书，中文书绝大部分很差，没什么见解。这本书里面关于中文分词的部分是我看到的所有深度学习书籍里面最好的，清晰易懂，也有配套代码

读完了。作者写得很照顾读者了，可惜我完全跟不上也读不懂。 读这本书，需要读者已经掌握PyTorch，有一定的熟练度了，再读这本书，可以在使用PyTorch做深度学习的项目，进行提高。 没掌握PyTorch，或者不熟练，就会跟不上也读不懂。 大概是，目前我还不适合读这本书吧，我水平还够不着入门线，哎~

总体来说，一般，以入门为主，缺乏深度。 优点：覆盖范围广，每个章节一个主题，在GitHub上也提供了代码，目前基本都能直接运行，偶尔有点小bug，问题不大，这倒是不错。 缺点： 1. 过于泛泛而谈，每个主题都是浅尝辄止，不深入探讨，其实很多章节都可以独立写成一本书。 2. 很多概念的讲解缺乏理论深度，理论方面讲解太少。 3. 大概第12章之后就显得很敷衍了，如果看不懂，不是读者的原因，确实太敷衍，第12、13章建议换其他更专业的书。

看完《深度学习图解》之后，再看这本，理解各种概念的难度低了很多。这本书在讲道理的基础上，给出了很多 PyTorch 的案例实现，操作性强。同时对当下比较热门的模型 GPT、Transformer 架构也做了分析说明。说到 Transformer 架构，之前在网上查资料，看了许多还是一知半解，但是这本书给出了案例讲的特别清楚。另外，每个章节后面的 QA 也很实用。

很好的深度学习和强化学习入门书

讲的一般，比较简单，适合我这种新手，但需要自己额外找资料深入学习