动手学：深度学习

简短书评

这本书是我入门深度学习的第一本书，同时我也了解到国内有些大学也把该书作为课程教材，可见它在深度学习入门领域的影响力。书中通过理论与代码结合，带领读者一步步从MLP到CNN再到RNN与transformer，看着不同模型如何在Fashion-MNIST等数据集上完成训练与测试。书中大部分内容也包括“从零实现”与“调库实现”两部分，可以按需求学习。但总的来说，该书的难度可能对于部分初学者不是那么友好。相比之下，我认为“鱼书”（《深度学习入门：基于Python的理论与实践》）更加适合初学者入门。

学习收获

• 对深度学习的基础概念与工作方式有了初步认识，了解到深度学习的工作框架主要包括“数据读取、预处理、模型构建、优化器、优化函数/目标函数/损失函数、学习率调度器、前向传播、反向传播”等各种组件。
• 通过代码示例与理论知识学习到了如MLP、LeNet-5、AlexNet、VGG、GoogleNet、ResNet、RNN、LSTM、GRU、Transformer等经典深度学习模型的组成原理与对应的适合任务。
• 通过在PyCharm中本地复现书中的代码示例，并自己尝试“动手学”：比如将LeNet-5模型在Fashion-MNIST数据集上进行训练和测试的6.6章节，通过自己改网络，理解卷积与池化层间的形状对应关系，将测试集准确率从82%改到了89%，激发了对深度学习的学习兴趣。
• 尽管当时对RNN等自然语言处理等章节看得不是很懂，但也建立的初步的印象，了解了相关的概念。

学习情况

截至2026年6月11日，主要学习了第1-7章内容（基础概念、卷积神经网络）；第8-10章内容（循环神经网络、注意力机制、GRU/LSTM），但当时并没有学得太明白；第13章（计算机视觉）也进行了精读。也就是说，还有第11章（优化算法）、12章（计算性能）、第14/15章（自然语言处理：预训练/应用）还没有进行学习。但对于初学者来说，这本书已经提供了一个不错的入门知识体系。