深度学习：原理与应用实践

深度学习与大数据是当今最流行和最受关注的两大计算机技术方向。本书旨在成为国内第一本深度学习原著。本书将全面、系统地介绍深度学习相关的技术，包括人工神经网络，卷积神经网络，深度学习平台及源代码分析，深度学习入门与进阶，深度学习高级实践，所有章节均附有源程序，所有实验读者均可重现，具有高度的可操作性和实用性。 通过本书，研究人员、深度学习爱好者，能够在2-3个月内，系统掌握深度学习相关的理论和技术。

这是一本全面、系统地介绍深度学习相关的技术，包括人工神经网络，卷积神经网络，深度学习平台及源代码分析，深度学习入门与进阶，深度学习高级实践，所有章节均附有源程序，所有实验读者均可重现，具有高度的可操作性和实用性。 深度学习技术介绍部分主要涵盖了深度学习的发展、应用领域、技术成果以及人脸关键点检测等。深度学习技术是基于人工神经网络发展起来的一项技术，其基本组成单元为神经元，起源于20世纪40年代。随着深度学习技术的不断发展，逐渐出现了许多深度学习开发框架，如Torch、Caffe、Theano、Pylearn2等，这些工具都可以让开发者很轻松地学习使用深度学习相关技术。 实验可重现性特点是本书的一个显著特点。这意味着，书中所包含的所有实验，读者都可以通过阅读源代码，按照书中的步骤进行操作，从而重现实验结果。例如，书中可能介绍了如何使用深度学习平台进行模型训练，并提供了相关的源代码。读者在阅读了这些内容后，就可以按照书中的指示，使用相同的平台，输入相同的参数，进行模型训练。通过这种方式，读者就可以验证书中的理论和实验结果，从而加深对深度学习理论和技术理解。 深度学习理论学习目标主要围