2016年年初，傳奇的圍棋棋手李世石與一個圍棋界的“新手”開始了一系列舉世矚目的較量。
圍棋是一種棋盤類遊戲，於2500年前發源於中國。它是一種比國際象棋更為複雜的策略遊戲，全球有75個國家的選手積極地參與其中。
李世石，圍棋九段棋手，從2002年起多次獲得世界冠軍。他面對的是一個看不見的敵手——AlphaGo。AlphaGo是由倫敦的谷歌DeepMind團隊開發的。不知道李世石在賽前對他的對手瞭解多少，也許他從科學作家馬修·布拉加的關於圍棋的文章中得到了安慰。該文章於2014年發表，其中談到了圍棋3：
“圍棋是少數幾種計算機智能尚未掌握的遊戲之一。該遊戲有著太多的可能的走法，讓程序員長期以來陷入僵局。”
但在數據科學領域，24個月已經是一段相當長的時間了。谷歌的深度學習算法可以打敗優秀的計算機對手，甚至是在讓對手四子先手的情況下。2016年1月，AlphaGo曾以5:0的比分完勝歐洲冠軍樊麾。2016年3月，AlphaGo挑戰傳奇選手李世石。深度學習再次讓大家驚歎，那麼今天推薦的圖書是《Python深度學習》，讓你快速入門深度學習。
《Python深度學習》旨在幫助讀者掌握強大的深度神經網絡工具。希望能幫助讀者使用Python編程語言開發實用的應用。通過閱讀本書，讀者可以用最短的時間來學習、實踐，並體驗深度學習的強大工具。這些想法幫助了我以及成千上萬的人，希望也能幫助讀者加速數據科學實踐。最後，我希望本書能讓成千上萬的讀者輕鬆地掌握深度學習的工具。
本書內容
本書收集了實用的工具、先進的理念和技巧，初學者可以藉助Python進行深度神經網絡的快速開發。本書的目標是幫助讀者在儘可能短的時間內獲得實用的知識，開發性能優異的模型，並改善模型的效率。本書重點介紹了一些有用的方法，讀者可以很容易理解並快速實現。基於此，本書詳細講解了以下內容：
解鎖深度神經網絡的有效預測能力；
為二元分類開發成功的解決方案；
為多元問題設計成功的解決方案；
調節深度神經網絡，以提高、加快並改善性能。
抓住深度學習的機會
深度學習是數據科學中最激動人心的課題之一。它產生過令人驚異的結果，有相當出色的表現。它充滿著很多偉大的想法——從搜索引擎、語音識別系統、自動駕駛汽車到生成爵士樂。深度學習是一門充滿可能性的學科。想象一下如何把它運用在自己的數據科學項目上，哪怕是一個令人難以置信的想法，但這種可能性是多麼令人激動啊——至少我希望你是如此。
除了渴望瞭解前沿預測技術外，還有其他一些原因需要掌握深度學習。例如，假設受過傳統線性模型訓練的數據科學家顧問，面臨著很差的預測性能、最終報告的壓力和緊迫的最後期限。如果他在本書中學會運用深層神經網絡的工具，將能夠更好地提高成功率。無論走到哪裡，他都會因自己的數據科學工具包中有前沿深度學習技術而信心百倍。真正令人驚奇的是，有一點知識後，這些工具很容易使用。
不需要是個天才
讀者不需要是一個天才的統計學家或者編程“大牛”，就能夠理解並從本書討論的實用想法和解決方案中獲益。如果讀者使用過統計工具包，或者有任何一門簡單編程語言的經驗，就能輕鬆、快速地掌握本書中討論的技術。本書用平實的語言講解深度神經網絡，即使讀者從來沒有學過線性代數，不想看任何推導公式，也不喜歡複雜的計算機代碼，也能輕鬆理解。讀者從本書中得到的想法和實際信息適用於小型廣告公司工作的個人數據科學家，適用於某區域寵物食品公司由3位決策科學家組成的團隊，也同樣適用於完成數據科學項目課程作業的學生或參與當地衛生當局的預測項目獨立顧問。
生活不易!
對大多數人來說，生活是忙碌的，總是沒有足夠的時間學習知識。人們被個人和家庭的義務、學習、考試、工作、健身計劃、數不清的郵件、項目、工作的截止期限所包圍，更不用說充斥著日常生活的社交活動和數不清的雜事。有這麼多的事情分心，又從哪裡找時間來掌握深度學習呢？
這就是我寫本書的初衷。它是一本動手實踐的、容易理解和實用的指南，通過Python帶讀者領略數據科學家在深度神經網絡中用到的成功的想法、出色的技術和
“告訴我，我會忘記；教給我，我會記住；讓我一起實踐，我才會懂得。”
循序漸進地每天從本書中學習一點，幾周後，讀者便會驚訝於自己的進步。隨著練習的持續推進，你對所學知識的理解會不斷加深。說不準，因為這一點點耐心、堅持和練習，讀者能成為所在團隊的深度學習專家，付出就有收穫。
Python新手
隨著Python的興起，實踐深度學習也變得非常容易。本書循序漸進地展示瞭如何使用免費並且流行的Python編程語言構建每一種模型。書中的示例代碼非常清晰，可供讀者直接輸入Python代碼段中。
建議讀者每天至少學完本書的一節內容，然後和朋友、同事、學生或者任何其他對數據應用深度學習模型感興趣的人討論。閱讀圖解說明，輸入Python代碼示例並閱讀每一章後面的附註。堅持記錄關於數據科學的想法，並一點一點地把所學到的東西糅合到自己的數據科學項目中。
各就各位，預備……
深度學習完全關於真實的生活、真實的人，也是把機器學習算法用於真實世界的問題以得到有效解決方案的應用。不管你是誰，不管你來自哪裡，不管你的背景和學歷如何，你都有能力掌握本書列出的想法。我個人堅信，藉助合適的軟件工具，加上些許堅持和正確的指導，只要有興趣，你一定能成功地掌握並使用深度學習方法。
希臘哲學家伊壁鳩魯曾說：
“這是為你而寫，而不是其他人。有你互為聽眾，足矣。”
雖然會有成千上萬的人接觸到本書中的想法，但我盡力牢記伊壁鳩魯的原則——讓書中的每一頁都只對你，是有意義的。
“如何閱讀這本書？”
我希望讀者能在最短時間內從本書中獲得最大的收益。這可以通過輸入示例代碼、閱讀參考文獻並進行試驗來達成。通過大量的示例和閱讀參考文獻，你能夠拓寬知識面，加深你原有的對深度學習的一些直觀理解，強化你的實踐技能。
你至少有兩種方式來使用這本書。首先，可以把它作為一本高效的參考書。翻閱到需要的章節，快速查看是如何用Python進行計算的。為了使收穫最大化，你最好能夠輸入書中的代碼，檢查結果，然後根據自己的數據調整樣本。其次，可以通過瀏覽真實的示例、圖表、案例研究、技巧和說明來激發你自己的想法。本書既介紹了總體思路，同時也介紹了一些深度學習相關的歷史、案例研究和文獻。
1.1 獲取Python
要使用本書，需要下載Python。目前，Python有兩個主要的版本——Python 2.7 和Python 3。雖然Python 3在幾年前就誕生了，但Python 2.7使用得更廣泛，而且目前仍然是數據科學領域所用的流行版本1。本書示例使用Python 2.7編寫。你可以從Python官方網站下載Python 2.7。
推薦的Python變體版本有很多，許多數據科學家使用Anaconda Python發行版。在其中預打包了許多在數據分析和統計建模中使用的核心軟件模塊。PyPy變體使用即時編譯來加速代碼的運行，因此能非常快地運行深度學習的代碼。對於Windows用戶來說，WinPython是運行Python的簡單方式，它省去了安裝的麻煩2。
1.1.1 學習Python
Python是一門強大的編程語言，易於初學者使用和學習。如果你有任何編程語言的經驗，就能很快地掌握Python。如果你對編程語言一無所知，或者已經很長時間不使用，下面這些免費的資源可以讓你快速上手。
Python指南—— 參見Python官網文檔。
新手學Python—— 參見Python官網。
Python新手指南——參見維基頁面。
交互式Python指南—— 參見Learn Python官網。
另外，請務必訪問Python軟件基金會官網，那裡有最新的新聞和技巧竅門。1.1.2 軟件包
高效地使用Python需要用到叫作“包”的軟件模塊。本書中，我們會用到一些軟件包。如果你的計算機中沒有本書中提到的軟件包，請下載並進行安裝1。
1.2 不需要等待
你不需要讀完本書就可以把書中的想法融入自己的分析中。你可以隨學隨用，也可以直接閱讀感興趣的章節，並立即在自己的研究和分析中進行測試、創建和開發。下面是本書的一個概述，能幫助你開啟本書的閱讀之旅。
1.3 小結
本書是深度神經網絡的入門和上手實踐的手冊。更確切地說，本書力求為你提供使用Python簡單、快速地構建深度神經網絡所需的工具。其目標是提供給你必要的工具來完成工作，並提供足夠的圖解說明來幫助你思考在你感興趣的領域的深度學習相關的應用。我希望這個過程是愉快並且有收穫的。
關於《Python 深度學習》
《Python 深度學習》
[英] 尼格爾·劉易斯（N.D. Lewis） 著
本書是使用Python 進行深度學習實踐的一本初學指南。本書並未羅列大量的公式，而是通過一些實用的實際案例，以簡單直白的方式介紹深度神經網絡的兩項任務——分類和迴歸，解析深度學習模型中的一些核心問題，以期讓讀者對深度學習的全貌有一個清晰的認識。
閱讀更多 異步社區 的文章
