动手学深度学习
读书评论：
-
Rosetta02-05第二版英文开源项目已更新到19章。基础部分已食用。各种应用待了解。P.S.这本书的阅读体验很像格里菲斯的量子力学，都是先带着你动起来，并且前半部分介绍原理和基础，后半部分介绍各种应用。这样的编排真的很适合新手向教学。
-
夜鷹04-05好 就是新版啰里八嗦的
-
Jackning04-07不错，Jupyter notebook这种形式进行学习不错
-
自娱者小五09-25基于mxnet，我暂时还没接触所以着重算法原理和一些基本编程技巧比较多，前大半部分质量比较高，后面突然好像换了个写法，质量就有点不好说了。没有大多数同类书籍的翻译问题，代码也相当详细，实用四星。
-
南方B304-27强推，Pytorch版本也有
-
石与草03-02看的pytorch版,概念讲的比较清，不错。
-
一只黑眼睛看着大千世界05-17第一版一般，集中于mxnet实现，内容安排比较随意，优点在于真的能跑的代码，真的去实现了几种CV网络。第二版在官网，丰富了很多理论知识，结构更顺畅、规整（类似其他老牌书的架势），同时提供mxnet、pytorch、tf三套代码，增加了Attention、BERT、推荐系统（很扎实）、GAN
-
Hil_C06-16喜欢一个写框架的人写出来的深度学习 非常扎实 一晚上翻完了！我想看李沐写的框架教程！
-
五杀摇滚吉他手03-11其实我觉得它的pytorch版写的更好，mxnet安装太劝退了。既有造轮子又有撸框架，对萌新不要太友好。
-
飞林沙11-26全书基于MXNet，但是其实我相信大部分公司还是以Tensorflow为主吧，所以代码的实用性不高。但是其实抛去代码本身，书上对于原理和示例的讲解，都是很清晰的，然后代码其实也可以很好的反映出实现方式，是一本很值得推荐，比花书更贴近生产实践的入门实战书。
-
旸谷05-16目前市面上有关深度学习介绍的书籍大多可分两类，一类侧重方法介绍，另一类侧重实践和深度学习工具的介绍。本书同时覆盖方法和实践。本书不仅从数学的角度阐述深度学习的技术与应用，还包含可运行的代码，为读者展示如何在实际中解决问题。为了给读者提供一种交互式的学习体验，本书不但提供免费的教学视频和讨论区，而且提供可运行的Jupyter记事本文件，充分利用Jupyter记事本能将文字、代码、公式和图像统一起来的优势。这样不仅直接将数学公式对应成实际代码，而且可以修改代码、观察结果并及时获取经验，从而带给读者全新的、多方位交互式的深度学习的学习体验。 本书面向希望了解深度学习，特别是对实际使用深度学习感兴趣的大学生、工程师和研究人员。本书不要求读者有任何深度学习或者机器学习的背景知识，读者只需具备基本的
-
不服不忿05-18读过在线版，有配合的教学视频，比Andrew Ng那个要深入，差不多达到够应用的水平。。代码没跑过，因为目前我看到的代码都没有用Mxnet。。读过几个其实很清楚。。
-
軒轅鍾書09-28很多实操的例子介绍了基础的 DL 知识，入门和上手都很不错，干货是真不少。遗憾的点就是不是 TF 的例子，对于初学者来说相当于多学 mxnet 了。
-
肉粽04-01最好的深度学习入门教材！没有之一！友好到爆的实践体验，思路清晰的从零实现，推荐使用pytorch版本网页，毕竟我pytorch天下无敌……哈哈哈。你给我点赞，我奉上pytorch版本链接：https://tangshusen.me/Dive-into-DL-PyTorch/#/
-
女王公园的八神06-14一看就是做工程的人写的，很实用。对于入门MXNet是一本绝佳的教材，一些计算机视觉的相关知识写的也很通俗易懂
-
heisen01-04应该是到2020年为止最适合入门的一本深度学习教材了吧， 讲的东西虽然不是很深，但是都很clear，还讲解了MXNet相关的实现， 最好还是看英文版的， 讲了attention mechanism和别的机制，这些貌似中文版没有，RNN推荐再看看CMU的DLhttps://www.youtube.com/watch?v=YYNNTrSROa4Attention 推荐看看李宏毅两倍速就行https://www.bilibili.com/video/av48285039?p=92假如实在这也学不会， 只推荐看UW的这个DL了。。。虽然这么浅基本就是追求广度的科普https://github.com/jeffheaton/t81_558_deep_learning
-
泥豆尼痘昵06-05这书是实践导向入门书，优点是平易近人、操作性强、覆盖面广，缺点是深度不足，毕竟本来就是本科教程。五星评价的原因是此书把优点极致放大，做到了现今市面上没有哪一本书能够替代掉它的功能，即便缺乏深度是不可置疑的软肋。按照作者的安排一步一步从简单代码到各种模型的实现，几乎只需要参考这一本书，除非是追求更高精尖的想法或是更基础严谨数学公式推导证明，而在这一步一步敲代码过程中，读者对理论的理解也能更好的找到落脚点。作为与花书同样完全开源的专业书，此书风格一看就是工程师出身的人写的，而花书一看就是科研工作出身的人写的，虽然一个是入门用，一个是进阶用，但两者重叠的部分都是此书更佳，而更进阶的内容推荐直接读原始论文或相应综述论文，更数学的推荐类似《Applied Predictive Modeling》的书。