用Python实现深度学习框架
张觉非 陈震
500人在读
22.6万字总字数
¥44.5定价
张觉非 陈震
本书带领读者用原生Python语言和Numpy线性代数库实现一个基于计算图的深度学习框架MatrixSlow（类似简易版的PyTorch、TensorFlow或Caffe）。全书分为三个部分。第一部分是原理篇，实现了MatrixSlow框架的核心基础设施，并基于此讲解了机器学习与深度学习的概念和原理，比如模型、计算图、训练、梯度下降法及其各种变体。第二部分是模型篇，介绍了多种具有代表性的模型，包括逻辑回归、多层全连接神经网络、因子分解机、Wide & Deep、DeepFM、循环神经网络以及卷积神经网络，这部分除了着重介绍这些模型的原理、结构以及它们之间的联系外，还用MatrixSlow框架搭建并训练它们以解决实际问题。第三部分是工程篇，讨论了一些与深度学习框架相关的工程问题，内容涉及训练与评估，模型的保存、导入和服务部署，分布式训练，等等。
本书带领读者用Python语言从零开始实现一个基于计算图的机器学习/深度学习框架。通过这样一个“造轮子”的过程，让读者全面掌握机器学习和深度学习概念、原理和工程实践。虽然本书实现的深度学习框架功能和性能跟tensorflow和pytorch这些主流的工业级框架相比简单低效，但麻雀虽小，五脏俱全，非常适合学习和研究。
作为20年的书，至今看仍颇为受益，非常适合作为pytorch，Keras等计算框架的前置书籍，对计算图感兴趣可以沿着雅可比行列式的优化继续往后钻研
用numpy写了一遍深度学习框架，有趣。不知道有没有类似的介绍强化学习框架的入门书
对深度学习框架内部感兴趣的同学，可以看下这本书。
适合初学者了解下神经网络训练pipeline