作者：黃申??編輯：Emma

來(lái)源|?技術(shù)領(lǐng)導(dǎo)力(ID：jishulingdaoli)

近些年，隨著人工智能和深度學(xué)習(xí)的興起，相應(yīng)的專(zhuān)業(yè)書(shū)籍也越來(lái)越多。有的朋友可能剛剛開(kāi)始接觸這個(gè)領(lǐng)域，需要一些入門(mén)的指引，而有些朋友可能已經(jīng)積累了相當(dāng)?shù)慕?jīng)驗(yàn)，期待學(xué)習(xí)更深入的知識(shí)。

因此，選擇一本合適自己的書(shū)就很關(guān)鍵。為了幫助你選書(shū)，我今天來(lái)點(diǎn)評(píng)一下Manning出版社于2020年8月出版的一本關(guān)于深度學(xué)習(xí)和PyTorch的書(shū)籍《Deep Learning with PyTorch》，目前此書(shū)的官方中文版尚未分布，我有幸閱讀了其英文版，在這里我將從個(gè)人的角度，來(lái)分析這本書(shū)是否適合你。

《Deep Learning with PyTorch: Build, train, and tune neural networks using Python tools》

如果你對(duì)PyTorch并不了解的話(huà)，這里先提幾句。它是一個(gè)開(kāi)源的Python機(jī)器學(xué)習(xí)庫(kù)，由Facebook人工智能研究院于2017年推出，對(duì)應(yīng)于Google的TensorFlow。PyTorch有兩個(gè)重要的特點(diǎn)：第一，具有強(qiáng)大的基于GPU加速的張量計(jì)算;第二，包含自動(dòng)求導(dǎo)系統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)。也正是因?yàn)榇?#xff0c;它特別適合深度學(xué)習(xí)理論的應(yīng)用。

《Deep Learning with PyTorch》這本書(shū)共15章，其中前8章組成了第一大部分，主要是從PyTorch中的基本概念講起，逐步深入，一直介紹到卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）在PyTorch中的實(shí)現(xiàn)。后7章組成了第二大部分，主要是通過(guò)一個(gè)醫(yī)學(xué)影像的案例，講解了如何使用PyTorch和深度學(xué)習(xí)的模型，來(lái)解決癌癥細(xì)胞的識(shí)別。

咱們先來(lái)說(shuō)說(shuō)前8章，第1章延續(xù)了Manning的一貫風(fēng)格，對(duì)深度學(xué)習(xí)和PyTorch進(jìn)行了整體性的描述，降低了入門(mén)的門(mén)檻。第2章的設(shè)計(jì)還算有新意，讓讀者直接使用已經(jīng)預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，來(lái)完成寵物狗圖片的識(shí)別。

你可以隨手拍一張自家狗狗的照片，或者從網(wǎng)絡(luò)上下載一張圖片，并讓這個(gè)訓(xùn)練好的模型對(duì)它們進(jìn)行識(shí)別，告訴這只狗是什么品種，甚至是對(duì)原圖進(jìn)行一定程度的篡改。這樣一來(lái)，讀者即使不了解過(guò)多的神經(jīng)網(wǎng)絡(luò)理論和編程知識(shí)，也能實(shí)踐圖像識(shí)別的案例，帶來(lái)了更多的動(dòng)手樂(lè)趣。

第3章和第4章相對(duì)枯燥一些，主要是介紹張量（Tensor）的概念，已經(jīng)如何使用它，表達(dá)現(xiàn)實(shí)世界中的不同類(lèi)型的數(shù)據(jù)。感覺(jué)這部分對(duì)于張量的本質(zhì)描述不算很深入，可能某些入門(mén)讀者讀起來(lái)有點(diǎn)費(fèi)勁。好在第4章列舉了不同應(yīng)用場(chǎng)景下，如何實(shí)現(xiàn)基于張量的表示，不僅實(shí)用，而且還加深了你直觀(guān)上的理解。

第5章其實(shí)并非聚集于深度學(xué)習(xí)，而是主要介紹了機(jī)器學(xué)習(xí)的某些基本概念，包括模型的擬合、參數(shù)調(diào)優(yōu)、損失函數(shù)、梯度下降學(xué)習(xí)、以及如何在PyTorch中運(yùn)用或者實(shí)現(xiàn)它們。當(dāng)然，如果你對(duì)這些都不熟悉，還是有必要學(xué)習(xí)一遍，否則第6章就很難理解了。因?yàn)榈?章是在之前的基礎(chǔ)上，講解如何使用神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行機(jī)器學(xué)習(xí)。通過(guò)第6章和第5章的對(duì)比，你也許就能體會(huì)到神經(jīng)網(wǎng)絡(luò)的精髓在哪里。

第7章和第8章詳細(xì)講解了如何使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像識(shí)別。第7章在CIFAR-10數(shù)據(jù)集（https://www.cs.toronto.edu/~kriz/cifar.html）上，構(gòu)建了一個(gè)基本的神經(jīng)網(wǎng)絡(luò)，識(shí)別一張圖片中的物體小鳥(niǎo)還是飛機(jī)。而第8章則闡述了為何第7章的基本神經(jīng)網(wǎng)絡(luò)不夠，已經(jīng)如何使用卷積神經(jīng)網(wǎng)絡(luò)來(lái)解決物體在圖片中不同位置所帶來(lái)的問(wèn)題。代碼講解的不算太細(xì)致，對(duì)新手來(lái)說(shuō)讀起來(lái)有點(diǎn)費(fèi)勁。

前8章所組成的第一大部分，雖然只涉及了卷積神經(jīng)網(wǎng)絡(luò)，而并沒(méi)有涉及循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）等其他類(lèi)型，但整體上章節(jié)構(gòu)成還是比較清晰的，行文也算流暢。如果你對(duì)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)不太了解，這些內(nèi)容對(duì)你來(lái)說(shuō)還是很有價(jià)值的。如果滿(mǎn)分10分，我能給到8分。

相對(duì)于第一大部分的好評(píng)，我對(duì)第二大部分槽點(diǎn)更多。第二大部分共有7個(gè)章節(jié)，篇幅上占了全書(shū)的將近一半。從大綱來(lái)看是實(shí)戰(zhàn)部分，本來(lái)我是滿(mǎn)心期待的。結(jié)果看完后失望大于期望。

作者挑的案例是醫(yī)學(xué)界的癌癥診斷，而且整整7大章都是在講這個(gè)案例。首先，這個(gè)案例的受眾面過(guò)于窄。盡管深度學(xué)習(xí)在圖像識(shí)別中運(yùn)用最為廣泛，但是我相信大部分此書(shū)的潛在讀者都是沖著標(biāo)題中的關(guān)鍵詞Deep Learning和PyTorch去的。

光這兩點(diǎn)，就能產(chǎn)生很多很多不同領(lǐng)域中的應(yīng)用案例，包括自然語(yǔ)言處理、語(yǔ)言識(shí)別、客戶(hù)行為分析等等。再加上第7和第8章也是有關(guān)圖片識(shí)別的，讓人感覺(jué)，這本書(shū)的名字應(yīng)該叫《Deep Learning with PyTorch for Image Recognition》。

另外，即使是一定要講圖片識(shí)別，也可以講講人臉識(shí)別、車(chē)牌識(shí)別之類(lèi)的對(duì)吧，那樣豈不是更香？當(dāng)然，人臉之類(lèi)的識(shí)別也爛大街了，也許作者想另辟蹊徑吧。但無(wú)論如何，我都覺(jué)得這個(gè)案例的挑選值得商榷。

其次，作者花了較多的篇幅去介紹癌癥診斷的內(nèi)容、數(shù)據(jù)特征等等。由于前面提到的受眾面較窄，所以這部分的內(nèi)容也比較雞肋。此外，連作者自己也承認(rèn)用于實(shí)驗(yàn)的數(shù)據(jù)量過(guò)于龐大、計(jì)算過(guò)于依賴(lài)GPU的運(yùn)算。

雖然大家都明白深度學(xué)習(xí)需要大量的數(shù)據(jù)，但是如果能舉出一些其他的案例，可以使用較小規(guī)模的數(shù)據(jù)，在普通電腦CPU上也能完成一些實(shí)驗(yàn)，那對(duì)讀者來(lái)說(shuō)，學(xué)習(xí)效果是不是更好呢？正是基于這些，我覺(jué)得第二部分勉勉強(qiáng)強(qiáng)能拿個(gè)6分吧。

綜合第一和第二大部分的內(nèi)容，此書(shū)在7到8分之間，很好奇將來(lái)豆瓣上的評(píng)分和我這個(gè)預(yù)測(cè)能有多接近。個(gè)人覺(jué)得降低有關(guān)圖片識(shí)別的相關(guān)篇幅，轉(zhuǎn)而介紹更多的神經(jīng)網(wǎng)絡(luò)類(lèi)型、以及它們?cè)诓煌瑢?shí)際案例中的應(yīng)用，本書(shū)應(yīng)該會(huì)更有價(jià)值。

在寫(xiě)評(píng)價(jià)的最后，我剛剛得知本書(shū)還會(huì)出第2版，所以將自己的反饋發(fā)給了作者，希望他們能夠在第2版中作出一些內(nèi)容上的調(diào)整和優(yōu)化。但就目前此書(shū)的內(nèi)容來(lái)看，還是比較適合深度學(xué)習(xí)入門(mén)級(jí)、或?qū)D像識(shí)別有特殊需求的讀者。

當(dāng)然，書(shū)沒(méi)有最好，只有最適合。如果你覺(jué)得這就是你想要的書(shū)，你可以持續(xù)關(guān)注本書(shū)的官方中文版，預(yù)計(jì)在今年年底至明年初就會(huì)發(fā)布。

作者簡(jiǎn)介：

黃申 博士，2015年美國(guó)杰出人才，微軟學(xué)者，IBM ExtremeBlue天才計(jì)劃成員。2006年博士畢業(yè)于上海交通大學(xué)，擁有20余篇國(guó)際論文和30多項(xiàng)國(guó)際專(zhuān)利。超過(guò)20年機(jī)器學(xué)習(xí)和大數(shù)據(jù)領(lǐng)域的經(jīng)驗(yàn)，現(xiàn)任Glassdoor機(jī)器學(xué)習(xí)資深研發(fā)經(jīng)理，曾任職于LinkedIn、微軟研究院、IBM研究院、eBay研發(fā)中心，1號(hào)店和大潤(rùn)發(fā)飛牛網(wǎng)。出版過(guò)《大數(shù)據(jù)架構(gòu)和算法實(shí)現(xiàn)之路：電商系統(tǒng)的技術(shù)實(shí)戰(zhàn)》、《大數(shù)據(jù)架構(gòu)商業(yè)之路：從業(yè)務(wù)需求到技術(shù)方案》、《程序員的數(shù)學(xué)》等技術(shù)書(shū)籍和專(zhuān)欄，累計(jì)讀者超10萬(wàn)人。其2021年3月最新力作《程序員的數(shù)學(xué)基礎(chǔ)課-從理論到Python實(shí)踐》正在京東、當(dāng)當(dāng)?shù)雀鞔笃脚_(tái)熱銷(xiāo)，幫助你解決人工智能時(shí)代的數(shù)學(xué)入門(mén)。

?-END-?

---

加入讀者群，跟老K、及100位大咖學(xué)習(xí)交流？
加群助理微信，注明：加群

如遇繁忙，請(qǐng)手動(dòng)添加：andelu2025

---

美團(tuán)、字節(jié)的《人人都要學(xué)的架構(gòu)思維》.pdf 下載

點(diǎn)擊“BAT架構(gòu)”，回復(fù)：架構(gòu)

---

大家在看：

1.殺死低代碼！

2.他是最牛程序員，一個(gè)月寫(xiě)了操作系統(tǒng)！

3.假如楊笠吐槽程序員。。。

4.如何用敏捷搞垮一個(gè)團(tuán)隊(duì)？

5.程序員怎樣寫(xiě)出搞垮公司的代碼？

6.阿里徹底拆中臺(tái)了！

總結(jié)

以上是生活随笔為你收集整理的终于有人把深度学习讲清楚了！的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。