《Python深度学习》中文PDF代码 《深度学习入门基于Python的理论与实现》PDF代码 《深入浅出强化学习原理入门》PDF代码 《21个项目玩转深度学习》PDF代码

学习深度学习时，我想《Python深度学习》应该是大多数机器学习爱好者必读的书。书最大的优点是框架性，能提供一个“整体视角”，在脑中建 立一个完整的地图，知道哪些常用哪些不常用，再据此针对性地查漏补缺就比较方便了，而如果直接查文档面对海量的API往往会无所适从。
全书分为两大部分，第一部分是对于深度学习的全局介绍，包括其与人工智能、机器学习的关系，一些相关的基本概念如张量(tensor)、梯度下降 、神经网络、反向传播算法等等。其中第三章举了三个简单的例子，分别对应的任务是二分类、多分类和回归，让读者快速了解 Keras 的基本使 用方法，熟悉使用深度学习处理数据问题的典型流程。第二部分是关于深度学习在计算机视觉和自然语言处理中的实际应用，重点讲解卷积神经 网络和循环神经网络，讲了 VAE 和 GAN。
这些内容从另外的角度阐述了一些有关梯度，损失，深度学习的应用，以及这些应用带给我们的启示。所以也适合进阶。
《Python深度学习》中文pdf+英文pdf+源代码
《Python深度学习》高清中文PDF，314页，带目录和书签，彩色配图，能够复制；高清英文PDF，386页，带目录和书签，彩色配图，能够复制； 中英文两版可以对比学习。配套源代码。
下载: https://pan.baidu.com/s/1AWvcyx9wt-T0Z1nzZNXHKA
提取码: 8ams

更好的标题应为基于Keras的深度学习。作者本人就是Keras的开发者，因此权威性不必多说。此书最大的特色在于没有用一个数学公式，而仅用 代码语言解释了深度学习的方方面面（除了强化学习），实在是程序员人群的最佳教材。
入门神经网络深度学习，推荐学习《深度学习入门：基于Python的理论与实现》，这本书不来虚的，一上来就是手把手教你一步步搭建出一个神经网络，还能把每一步的出处讲明白。理解神经网络，很容易就能入门。
深度学习真正意义上的入门书，深入浅出地剖析了深度学习的原理和相关技术。书中使用Python3，尽量不依赖外部库或工具，从基本的数学知识出发，带领读者从零创建一个经典的深度学习网络，使读者在此过程中逐步理解深度学习。
《深度学习入门：基于Python的理论与实现》中文PDF代码分析
《深度学习入门：基于Python的理论与实现》中文版PDF，314页，带目录标签，文字可复制。配套源代码。
下载: https://pan.baidu.com/s/1Ew_WvDQljWZ_YnGW-VDlsA
提取码: mh49

神经网络是一种模拟人脑的神经网络，以期能够实现类人工智能的机器学习技术。神经网络就是给定输入，经过一些处理，得到输出。当不知道具体的运算处理方式时，尝试使用模型来估计其运作方式，在这个过程中可以基于模型输出和已知真实实例之间的比较来得到误差、调整参数。常见的神经网络模型包括分类器和预测器。分类器是将已有数据分开；预测是根据给定输入，给出预测的输出。本质上没有太大差别。在分类过程中其实就是要找到线分开各组数据，关键就是确定这条线，也就是确定斜率。
推荐非常适合入门神经网络的《Python神经网络编程》，主要是三部分： 介绍神经网络的基本原理和知识；用Python写一个神经网络训练识别手写数字；对识别手写数字的程序的一些优化。
《Python神经网络编程》中文PDF+英文PDF+源代码
《Python神经网络编程》中文PDF，255页，带目录，彩色配图，文字可复制；英文PDF，207页，带书签，彩色配图，文字可以复制；配套源代码。
下载: https://pan.baidu.com/s/1__Gvf950IP3JyaLrxmVFWA
提取码: cbrj

《Python神经网络编程》揭示神经网络背后的概念，并介绍如何通过Python实现神经网络。全书分为3章和两个附录。第1章介绍了神经网络中所用到的数学思想。第2章介绍使用Python实现神经网络，识别手写数字，并测试神经网络的性能。第3章带领读者进一步了解简单的神经网络，观察已受训练的神经网络内部，尝试进一步改善神经网络的性能，并加深对相关知识的理解。附录分别介绍了所需的微积分知识和树莓派知识。
跟着作者一步一步地写完了那个图像识别的神经网络的代码，运行了25分钟，最后正确率是97.44%，还挺有意思的。。。
《矩阵分析与应用第2版》PDF+习题解答+张贤达
矩阵分析与应用第2版PDF，张贤达著，带书签目录，文字可以复制粘贴，680页。
下载: https://pan.baidu.com/s/1uGlAnQKimoPJA09rJqy48Q
提取码: 3778

《矩阵分析与应用（第2版）》系统、全面地介绍矩阵分析的主要理论、具有代表性的方法及一些典型应用。全书共10章，内容包括矩阵代数基 础、特殊矩阵、矩阵微分、梯度分析与最优化、奇异值分析、矩阵方程求解、特征分析、子空间分析与跟踪、投影分析、张量分析。前3章为全 书的基础，组成矩阵代数；后7章介绍矩阵分析的主体内容及典型应用。为了方便读者对数学理论的理解以及培养应用矩阵分析进行创新应用的 能力，《矩阵分析与应用（第2版）》始终贯穿一条主线一一物理问题“数学化”，数学结果“物理化”。与第1版相比，《矩阵分析与应用（第2版） 》的篇幅有明显的删改和压缩，大量补充了近几年发展迅速的矩阵分析新理论、新方法及新应用。
《矩阵分析与应用（第2版）》为北京市高等教育精品教材重点立项项目，适合于需要矩阵知识比较多的理科和工科尤其是信息科学与技术（电 子、通信、自动控制、计算机、系统工程、模式识别、信号处理、生物医学、生物信息）等各学科有关教师、研究生和科技人员教学、自学或进 修之用。
在学习机器学习中的强化学习的过程中，感觉国内所写的《深入浅出强化学习原理入门》和《强化学习精要：核心算法与TensorFlow 实现》理论联系实际，有助于提高对强化学习的认知。
《深入浅出强化学习：原理入门》用通俗易懂的语言深入浅出地介绍了强化学习的基本原理，覆盖了传统的强化学习基本方法和当前炙手可热的深度强化学习方法。开篇从最基本的马尔科夫决策过程入手，将强化学习问题纳入到严谨的数学框架中，接着阐述了解决此类问题最基本的方法——动态规划方法，并从中总结出解决强化学习问题的基本思路：交互迭代策略评估和策略改善。基于这个思路，分别介绍了基于值函数的强化学习方法和基于直接策略搜索的强化学习方法。最后介绍了逆向强化学习方法和近年具有代表性、比较前沿的强化学习方法。
《深入浅出强化学习原理入门》PDF代码+郭宪
《深入浅出强化学习原理入门》PDF，284页，带书签目录，文字可复制；配源代码。
下载: https://pan.baidu.com/s/10eQYLaMxI9u7shNWlseD6Q
提取码: 87rt

《深入浅出强化学习：原理入门》适合零基础的人员入门学习、也适合相关科研人员作为研究参考。
国内有几本关于强化学习的书，《强化学习精要：核心算法与TensorFlow 实现》介绍了强化学习的基本算法与代码实现，构建了一个完整的强化学习知识体系，同时介绍了这些算法的具体实现方式。
可以从中学习到基本的马尔可夫决策过程，到各种复杂的强化学习算法。
《强化学习精要：核心算法与TensorFlow 实现》内容翔实，语言简洁易懂，既适合零基础的人员入门学习，也适合相关科研人员研究参考。冯超 编著。
《强化学习精要核心算法与TensorFlow实现》PDF及代码+冯超
《强化学习精要：核心算法与TensorFlow实现》PDF，386页，带书签目录，文字可以复制；配套源代码。
下载: https://pan.baidu.com/s/1mXEbu8T9FH5TH6DXNNiC4Q
提取码: xh14

第一部分强化学习入门与基础知识
第二部分最优价值算法
第三部分基于策略梯度的算法
第四部分其他强化学习算法
第五部分反向强化学习
除了介绍这些算法的原理，还深入分析了算法之间的内在联系，可以帮助举一反三，掌握算法精髓。介绍的代码可以帮助读者快速将算法应用到实践中。
《强化学习原理及其应用》PDF+《深入浅出强化学习原理入门》PDF及源代码
《强化学习原理及其应用》王雪松等著，中文PDF，264页，带书签目录，文字可以复制粘贴；《深入浅出强化学习原理入门》郭宪等著，中文PDF，284页，带书签目录，文字可以复制粘贴；
配套源代码。
下载: https://pan.baidu.com/s/1FkFqAoHMBV1eTjwRXZVMnw
提取码: k1si

我们通过《21个项目玩转深度学习:基于TensorFlow的实践详解》，可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用，还可以使用神经网络生成图像和文本，进行时间序列预测、搭建机器翻译引擎，训练机器玩游戏。
《21 个项目玩转深度学习基于TensorFlow 的实践详解》以实践为导向，深入介绍了深度学习技术和TensorFlow 框架编程内容。
《21个项目玩转深度学习:基于TensorFlow的实践详解》PDF及代码
下载: https://pan.baidu.com/s/1SOVi7Rbcu4wX6iP2uVwqbA
提取码: cfbs

《21个项目玩转深度学习:基于TensorFlow的实践详解》PDF，378页，带目录，文字可以复制；配有源程序。
《21个项目玩转深度学习:基于TensorFlow的实践详解》共包含21 个项目，分为深度卷积网络、RNN网络、深度强化学习三部分。读者可以在自己动手实践的过程中找到学习的乐趣，了解算法和编程框架的细节，让学习深度学习算法和TensorFlow 的过程变得轻松和高效。
花书《深度学习》中文PDF和英文PDF
《深度学习》中文PDF，带目录，文字能够复制；英文PDF，带目录，文字能够复制；
下载: https://pan.baidu.com/s/1szXe5K1uBpv06v3ESyd3Cw
提取码: sw6k

个人觉得github上的中文版翻译的不错，有700多页，深度学习入门经典书籍，前几章的数学基础介绍的相当不错。
第一部分基本就是统计学习最基础的线性代数，概率论等，第4章值得一读，讲了些数值分析里常涉及的几个概念(Poor Conditioning, Optimization method)。第5章介绍了Machine Learning各个算法。严格的数学推导较少。
第二部分第7章讲的正则化(Regularization)，第8章的优化方法(Optimization)和11章的方法论是任何模型都离不开的。将(基本)所有正则化方法放到一起讲解并做横向比较。根据个人经验详细阐述了各种情况下对应方法选择。9,10,12章讲的是现在比较成熟的模型及其应用。
第三部分讲的是深度学习领域比较活跃的科研问题。判别式模型(discriminative model)减少而生成式模型(generative model)增多就可以看出主流的研究方向。19章讲的EM算法，MAP，Sparse Coding都是Inference里重中之重。《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。
《动手学深度学习》 PDF代码+《神经网络与深度学习 》PDF
《动手学深度学习(李沐等著)》 中文PDF，530页，带书签目录，文字可以复制。配套源代码。
《神经网络与深度学习 (吴岸城)著》中文PDF，233页，带书签目录。
下载: https://pan.baidu.com/s/1Ji3gxgbl6wRCkoq_AP-kaw
提取码: 1qjc

《深度学习核心技术与实践》适合深度学习从业人士或者相关研究生作为参考资料，也可以作为入门教程来大致了解深度学习的相关前沿技术。
《深度学习核心技术与实践》PDF代码
《深度学习核心技术与实践》PDF，530页，带目录，文字可复制。配套代码和资源链接。
下载: https://pan.baidu.com/s/1Ij3wlFb8_wWBrKZbQ-JjcQ
提取码: e8k5

深度学习核心技术与实践》的作者们都是业界一线的深度学习从业者，所以书中所写内容和业界联系紧密，所涵盖的深度学习相关知识点比较全面。《深度学习核心技术与实践》主要讲解原理，较少贴代码。
张平《图解深度学习与神经网络从张量到TensorFlow实现》PDF+源代码
《图解深度学习与神经网络从张量到TensorFlow实现》PDF，338页，带书签目录，文字可以复制。
配套源代码；作者：张平
下载: https://pan.baidu.com/s/1HYoGy3PezrxQWtR649b_Uw
提取码: xpm1

学习290张图+110个可执行的TensorFlow示例程序+算法示例；学习神经网络与深度学习背后的数学原理及上手应用；学习神经网络、深度学习背后的数学基础，掌握它们的原理与实现，更深刻地理解开源深度学习框架TensorFlow中的常用函数。
《深度卷积网络:原理与实践》 PDF+源代码+彭博
《深度卷积网络:原理与实践》 PDF，331页，带目录，文字可复制。
配套源代码；作者: 彭博
下载: https://pan.baidu.com/s/1Qz4864r_vjGNSGVx1ynavQ
提取码: 67xi

《深度卷积网络:原理与实践》还是很不错的。通俗易懂的介绍了卷积网络，并给出了详细的证明。写作比较严谨，还给出了详细的参考文献供进一步探究。作为一本入门书完全是合格的。
深度卷积网络DCNN是目前十分流行的深度神经网络架构，它的构造清晰直观，效果引人入胜，在图像、视频、语音、语言领域都有广泛应用。《深度卷积网络:原理与实践》以AI领域新的技术研究和和实践为基础，从技术理论、工作原理、实践方法、架构技巧、训练方法、技术前瞻等6个维度对深度卷积网络进行了系统、深入、详细地讲解。
深度强化学习(Deep Reinforcement Learning，DRL)是深度学习算法和强化学习算法的巧妙结合，它是一种新兴的通用人工智能算法技术，也是机器学习的前沿技术，DRL 算法潜力无限，AlphaGo 是目前该算法成功的使用案例。
DRL 算法以马尔科夫决策过程为基础，是在深度学习强大的非线性函数的拟合能力下构成的一种增强算法。深度强化学习算法主要包括基于动态规划（DP）的算法以及基于策略优化的算法。
《揭秘深度强化学习》是要把这两种主要的算法（及设计技巧）讲解清楚，使算法研究人员能够熟练地掌握。
《揭秘深度强化学习》PDF+源代码
《揭秘深度强化学习》PDF，376页，带目录，文字可以复制。配套源代码。作者：彭伟
下载: https://pan.baidu.com/s/1CCOC1tY8Egr3Ct_sjdriOQ
提取码: xuc9

《神经网络与深度学习应用实战》PDF+《深度学习轻松学核心算法与视觉实践》PDF及代码
《神经网络与深度学习应用实战》PDF，250页，有目录，文字可以复制。
《深度学习轻松学核心算法与视觉实践》PDF，349页，有目录，文字可以复制，配套源代码。
下载: https://pan.baidu.com/s/1v9ChMHTAwgym1TAyAaMfEw
提取码: sex3

神经网络和深度学习目前提供了针对图像识别，语音识别和自然语言处理领域诸多问题的最佳解决方案。深度神经网络和深度学习在计算机视觉、语音识别和自然语言处理等许多重要问题上取得了出色的表现。
《神经网络与深度学习应用实战》结合实际应用介绍神经网络和深度学习等技术领域相关信息。从结构上重点介绍了前馈型神经网络、反馈型神经网络，以及自组织竞争型神经网络，并针对当下深度学习中比较重要的网络进行了详细介绍，包括卷积神经网络、循环（递归）神经网络、深度信念网络、生成对抗网络，以及深度强化学习。《神经网络与深度学习应用实战》对当前神经网络和深度学习技术有体系的认知，在人工智能领域进行一些深入思考。
《深度学习理论与实战基础篇》PDF代码
《深度学习理论与实战基础篇》PDF，306页，带书签目录，文字可以复制；《深度学习理论与实战提高篇》PDF，748页，带书签目录，文字可以复制；配套源代码。
下载: https://pan.baidu.com/s/1ywlmfIZxV1O0hTbqFgE73A
提取码: ruqq

从学习深度学习方向至今，感觉《图解深度学习》和《深度学习入门》这两本书是必读的，对于希望快速入门并上手的学习爱好者比较适用。
《图解深度学习》是从深度学习的发展历程讲起的，从理论和实践两个方面介绍了深度学习的各种方法，以及深度学习在图像识别等领域的应用案例。内容图文并茂，涉及神经网络、卷积神经网络、受限玻尔兹曼机、自编码器、泛化能力的提高，并介绍了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow等深度学习工具的安装和使用方法。
书如其名，《图解深度学习》图例非常丰富，清晰直观，适合所有对深度学习感兴趣的读者阅读。
学习《图解深度学习》PDF+山下隆义+张弥+对比
下载: https://pan.baidu.com/s/1oXNh9LFtCbpgNvR2AAGKVA
提取码: hfbr
《图解深度学习》PDF，221页，带书签目录，文字可以复制。 作者:山下隆义，译者:张弥。

《深度学习原理与实践》PDF+源代码
《深度学习原理与实践》PDF，342页，带书签目录，文字可以复制，陈仲铭著，配套源代码。
下载: https://pan.baidu.com/s/1WlQwbtf8nGjwQ-BzchtUdw
提取码: h9yz

深度学习和机器学习方向毕竟火，对于找大数据方向，算法等方向的找工作有比较大的指导意义。但是对于此类方法的学习，需要一定的数学基础。但是市面上很多书都很难理解，深度学习原理与实践讲的深入浅出，详细介绍啦关于CNN,RNN等相关的深度学习模型。从最基本的人工神经网络讲起，介绍了深度学习的发展，包含当下流行的卷积神经网络，循环神经网络等模型，涉及深度学习的基础和技巧，对常见知识做的详细的定义和阐释。
不足之处是用语比较抽象，让没有概念的初学者有点难以理解。比如讲述卷积神经网络时说“由于图像上同一特征映射面上的神经元权值相同，所以卷积神经网络模型可以并行训练，极大提高神经网络的训练时长”。这个“统一特征映射面” 前后文都没有提到，突然出现让人疑惑。还有“提高训练时长”，我想作者想表达的应该是提高训练速度的意思吧。