1.1　如何阅读本书

本书是一本有关深度学习的入门实战教程，目的在于尽可能以一种轻松的方式，讲解一些深度学习核心的技术，关键的思想，以及常用的技巧方法。需要注意的是，深度学习充斥着大量的数学公式，大多数人可能会望而生畏，看着公式就头痛欲裂。但数学只是工具，数学公式只是简化我们的描述，我们更应该做的是深入理解这些公式背后的哲学内涵。本书同样会列出很多的公式，但请读者们不要在意所谓的公式，应该多去看一些文字性描述，理顺公式的每一次演变，公式是帮助你快速的记忆，并不是你的负担。也许，对于大多数读者，看懂各种算法，了解各种思想，但编写程序还是无从下手，本书将使用IPython Notebook进行模块化编程练习，我们会一步一步地动手实践，希望能帮助你从理论走向实践，并从实践中加深对理论知识的进一步理解。

深度学习能够火爆的最主要原因是大数据的到来，以及运算能力的大大提高，针对GPU编程的Theano，TensorFlow，Torch等深度学习库，都是非常好的学习资源，如果你想从事深度学习研究，则应该至少掌握一种以上的深度学习库。但本书的目的在于让你不那么头痛欲裂地跨入深度学习领域，本书并不是一本深度学习平台指导用书。在本书的最后一章，我们会教你如何搭建TensorFlow深度学习库，帮助你铺垫更广阔的知识世界。我们希望能给你一个小板凳，然后你可以站上去，希望你拥有瞭望远方的喜悦，希望你能享受在微风中的呼吸。因此，如果你有些惧怕数学公式或编程能力相对较弱，这些都没关系。最重要的是你憧憬着深度学习，相信集体的力量，渴望着人工智能，同时也不太在意一些稍显不严谨的语言，那或许这是一本属于你的书。需要注意的是，本书作为入门书籍，只会重点介绍深度学习在实际应用中的技术及方法，深度学习的一些高级研究主题，如自动编码器（Autoencoder）^[4]，受限玻尔兹曼机（RBM）^[5]等非监督学习研究主题并不涉及。但这些主题是深度学习的研究重点，对于有志从事深度学习研究的专业人员而言，这些主题才是更广阔的世界。

每章我们都会分为两个部分，第一部分介绍该章节的深度学习技术，第二部分进行编程练习，在每章的末尾，我们给出了参考代码，希望在你想要放弃时给你点帮助。本书的知识内容主要参考于Ian Goodfellow，Yoshua Bengio，Aaron Courville所著的Deep Learning以及斯坦福大学的CS231公开课，你也可以将本书作为学习这些书的铺垫。