人人可懂的深度学习

这本书浅确实做到了浅显易懂。对于原理有很详细的图表展示，图形展示，然后还有很详细的这个过程分析。 基本上每个知识点都能看得懂。注意一下神经元的三个阶段。最粗的MP神经元y=wx+b, 到后来的感知机出现了这个二值函数作为激活函数,在现代的神经系统里面，激活函数变成一个单调可微的函数，这是为了满足反向传播链式法则的需要。 在看这本书之前，我其实还看过其他的神经网络深度学习的书，特别是基于TensorFlow之类的书。但是这本书，内容更容易理解吧，作为一个简单的复习式的阅读，感觉这个思维更清晰了，概念更清晰了。

是一本好书，没有讲深度学习的具体实现方法。但非常清晰透彻的讲解了深度学习的原理。其中有很多作者巧妙的比喻，可以感觉到作者对深度学习有自己独到的思考。但是这并不是一个人人可懂的深度学习教学书籍。

第一次看这本书是23年1月，也是我了解深度学习的第1本书。最近刚翻完第二遍。回过头来看，我觉得我很庆幸我是以这本书为起点了解深度学习。 这本书不长，意味着它不是一段漫长的马拉松，对新手来说相对友好。 但是这本书把深度学习，或者主要是神经网络的几个主要概念都覆盖到了∶感知机，多层感知机，激活函数，损失函数。梯度下降，反向传播。尤其前4个概念，讲的很清晰通俗。 然后讲一下自己对阅读本书内容的一些建议 书里中间有两章讲的卷积神经网络和循环神经网络，是对基础神经网络的一种延伸，难度较大，比较难通过几十页内容去理解。所以其实这两章阅读起来感到困难的读者，可以跳过，先阅读梯度下降，反向传播。 梯度下降跟反向传播是神经网络的核心概念，但是这两章没有讲的特别好，单看这两章要理解可能也不是很容易，但是这两章对于神经网络整体知识结构还是很重要的，建议另外再通过网上资料，视频辅助理解。 总的来说，还是很不错的一本入门书，希望能被更多人看到。

总体有一个直观了解了，大学微积分都忘的差不多了

挺好的。比较简单，没有太多数学公式。5星。

在本书后段部分章节，例如〈神经网络的训练〉等，用了部分微积分的名词，也有使用一些比较复杂的数学式。对于没有相关数学基础知识的阅读者，其实还是不容易理解的。但还是可以让没有背景知识的阅读者，对深度学习有些粗浅的认识。

书如其名，人人可懂。这是我看过的把深度学习概念讲得最通俗易懂的书，结合大语言模型来理解核拓展书中概念效果更好，推荐对深度学习感兴趣的道友一同阅读此书，修炼筑基。

本书用通俗易懂的文字介绍清楚了深度学习的概念、原理、历史、当下和未来，没有艰深的数学公式和推导，可读性比较强，推荐所有想了解深度学习的入门读者阅读。

原理讲解挺生动的，果然数学公式背后得看图讲解，有些概念更清楚了，但是后面的梯度下降算法公式还有点绕，需要再多读几遍多理解下

一本快速了解神经网络与深度学习的入门读物。