京东平台卖家销售并发货的商品，由平台卖家提供发票和相应的售后服务。请您放心购买！

注：因厂家会在没有任何提前通知的情况下更改产品包装、产地或者一些附件，本司不能确保客户收到的货物与商城图片、产地、附件说明完全一致。只能确保为原厂正货！并且保证与当时市场上同样主流新品一致。若本商城没有及时更新，请大家谅解！

京东上的所有商品信息、客户评价、商品咨询、网友讨论等内容，是京东重要的经营资源，未经许可，禁止非法转载使用。

注：本站商品信息均来自于合作方，其真实性、准确性和合法性由信息拥有者（合作方）负责。本站不提供任何保证，并不承担任何法律责任。

印刷版次不同，印刷时间和版次以实物为准。

京东价：京东价为商品的销售价，是您最终决定是否购买商品的依据。

划线价：商品展示的划横线价格为参考价，该价格可能是品牌专柜标价、商品吊牌价或由品牌供应商提供的正品零售价（如厂商指导价、建议零售价等）或该商品在京东平台上曾经展示过的销售价；由于地区、时间的差异性和市场行情波动，品牌专柜标价、商品吊牌价等可能会与您购物时展示的不一致，该价格仅供您参考。

折扣：如无特殊说明，折扣指销售商在原价、或划线价（如品牌专柜标价、商品吊牌价、厂商指导价、厂商建议零售价）等某一价格基础上计算出的优惠比例或优惠金额；如有疑问，您可在购买前联系销售商进行咨询。

异常问题：商品促销信息以商品详情页“促销”栏中的信息为准；商品的具体售价以订单结算页价格为准；如您发现活动商品售价或促销信息有异常，建议购买前先联系销售商咨询。

 深度学习如今已经成为了科技领域最炙手可热的技术，在本书中，我们将帮助你入门深度学习的领域。本书将从人工智能的介绍入手，了解机器学习和深度学习的基础理论，并学习如何用PyTorch框架对模型进行搭建。通过阅读本书，你将会学习到机器学习中的线性回归和logistic回归，深度学习的优化方法，多层全连接神经网络，卷积神经网络，循环神经网络以及生成对抗网络，同时从零开始对PyTorch进行学习，了解PyTorch基础及如何用其进行模型的搭建，最后通过实战了解最前沿的研究成果和PyTorch在实际项目中的应用。
第1章 深度学习介绍 1
 1.2 数据挖掘、机器学习与深度学习 2
 1.3 学习资源与建议 8
第2章 深度学习框架 11
 2.1 深度学习框架介绍 11
 

第3章 多层全连接神经网络 24
 3.2.4 一维线性回归的代码实现 35
 3.4 简单的多层全连接前向网络 49
 3.4.2 单层神经网络的分类器 50
 3.4.5 模型的表示能力与容量 55
 3.5 深度学习的基石：反向传播算法 57
 3.6 各种优化算法的变式 59
 3.7 处理数据和训练模型的技巧 64
 3.8 多层全连接神经网络实现MNIST 手写数字分类 69
 3.8.1 简单的三层全连接神经网络 70
第4章 卷积神经网络 76
 4.2 卷积神经网络的原理和结构 77
 4.2.4 卷积神经网络的基本形式 85
 4.3.4 如何提取参数及自定义初始化 91
 4.4 卷积神经网络案例分析 92
第5章 循环神经网络 111
 5.1.2 循环神经网络的基本结构 112
 5.4 自然语言处理的应用 131
 5.5 循环神经网络的更多应用 140
第6章 生成对抗网络 144
 6.2.2 生成对抗网络的数学原理 160
第7章 深度学习实战 173
 7.1 实例一——猫狗大战：运用预训练卷积神经网络进行特征提取与预测. 173
 7.2 实例二——Deep Dream：探索卷积神经网络眼中的世界 183

前面我们介绍了三个模型，整个处理的基本流程都是定义模型，读入数据，给出损失函数f$$，通过梯度下降法更新参数。PyTorch 提供了非常简单的自动求导帮助我们求解导数，对于比较简单的模型，我们也能手动求出参数的梯度，但是对于非常复杂的模型，比如一个 100 层的网络，我们如何能够有效地手动求出这个梯度呢？这里就需要引入反向传播算法，自动求导本质是就是一个反向传播算法。

反向传播算法是一个有效地求解梯度的算法，本质上其实就是一个链式求导法则的应用，然而这个如此简单而且显而易见的方法却是在 Roseblatt 提出感知机算法后将近 30 年才被发明和普及的，对此 Bengio 这样说道：“很多看似显而易见的想法只有在事后才变得的显而易见。”

下面我们就来详细将一讲什么是反向传播算法。

首先来简单地介绍一下链式法则，考虑一个简单的函数，比如

我们当然可以直接求出这个函数的微分，但是这里我们要使用链式法则，令

对于这两个式子，我们可以分别求出他们的微分

的求和，所以我们能够得到

链式法则告诉我们如何来计算出他们的值

通过链式法则我们知道如果我们需要对其中的元素求导，那么我们可以一层一层求导然后将结果乘起来，这就是链式法则的核心，也是反向传播算法的核心，更多关于链式法则的算法，可以访问这个