最近抽出几天时间，把《深度学习入门：基于Python的理论与实现》看完了。很多人习惯叫它“鱼书”，之前总是看到有人推荐这本书，说它适合入门、特别通俗，但我一直没翻！现在看完才发现，确实，它很适合像我这样，已经掌握了一些 Python 基础，但对深度学习一知半解、甚至有点怕的“门外汉”。
这本书是我朋友推荐我的。他知道我之前啃《西瓜书》和《花书》啃到脑壳疼，建议我先别硬上高阶理论，换本轻一点、能跑起来代码的试试看。
我一开始也半信半疑，觉得“简单的书会不会太水”，但读了之后发现，“鱼书”并不是“简化了就粗糙”，它是在不堆公式、不炫难度的前提下，把深度学习里那些容易让人卡壳的概念讲得特别顺，尤其是通过代码一步步推进的方式，看得懂也能跟得上，给了我一种“我也能学会”的信心。
全书只有 8 章，我花了四天时间，每天一点点推进，居然读得毫无压力。
这本书到底哪里打动了我？
1 理论不重，细节不少，代码能跑
这本书不是一股脑儿的堆公式，而是先告诉你“这玩意儿是干啥的”，再讲“它是怎么实现的”，最后“你也来试试”。以“手写数字识别”这个项目为主线，一步步引出神经网络中最常见的结构和操作，比如感知机、激活函数、误差反向传播、权重初始化等。通过逐步讲解新的技术，并不断更新迭代程序。
最开始我只是照着读代码，没怎么亲手去写。但终于，在第 4、5 章的时候，迎来了自己动手的时候。
这两章的程序都是两层结构的网络，我尝试改成三层、四层，或是更换激活函数、调整各层的神经元数量，第 5 章没有图形显示我还自己给加上了。
通过这些简单的修改，我不仅学会了如何使用 numpy 和 matplotlib，也收获了不少乐趣。（特别是第 3 章用 matplotlib 成功显示 MNIST 数据时，非常开心——视觉相关的内容真的很让人感动。）
作者特意留下了一些可以手动改动、添加内容的“余地”。
我也终于理解了，所谓学习，就是观察梯度，调整参数以减少损失；从一个广阔的初始空间出发，通过训练找到合适的参数。
虽然书中不可能涵盖所有找到参数的方法，但它所讲的内容已经非常清晰，让我终于“看见”了神经网络。
这种“写出来就能看到结果”的学习方式，比单纯记公式强太多了。就好像你在搭积木，而不是在死背定理。
2 不怕数学，但也不硬塞数学
我数学不算好，尤其对矩阵运算、偏导什么的容易一脸懵。但“鱼书”并没有逼着我去死抠推导，而是用直观的方式解释核心概念。比如讲 ReLU 的时候，不讲极限和收敛，直接说：“它让神经网络在 0 以下的区域不响应，这有助于解决梯度消失的问题。”我当时脑袋一拍，秒懂。
对于“Xavier 初始化”这种，作者也只是告诉你“这么初始化效果更稳定”，并给出参考论文，而不是强行推公式，如果你感兴趣可以自己去补充学习。它让你觉得数学是工具，不是门槛。
3 真正用得上的例子*
这本书在第 6 章还讲了权值衰减、Dropout 等正则化方法，并进行实现。最后将对近年来众多研究中使用的 Batch Normalization 方法进行简单的介绍。 我实际试了一下，确实能看到过拟合减轻，准确率上升。这种“边学边试”的体验，成就感满满，真正把理论学以致用。
另外，第 7 章讲卷积神经网络（CNN），虽然篇幅不长，但结合前面内容阅读完全没有压力。我甚至照着它的逻辑，用 PyTorch 重写了一遍自己的 CNN，作为作业项目交了上去——别说，分还挺高的。
4 给你一个“AI工程思维”的雏形
这本书不只是教你怎么搭模型，更潜移默化地教你一种思维方式——比如如何看待模型效果、怎样调试参数、什么时候该简化模型、什么时候又该使用更复杂的结构。这种“不是为了考试，而是为了做事”的视角，是我从其他教材里很少感受到的。
“鱼书”并不是某种终极教程，它没有把每个知识点都讲到极致，但它就像一位耐心的朋友，用简洁的语言、好理解的例子、可运行的代码，带你真正跨过了深度学习的门槛。
读完它，你会对神经网络的整体结构有个清晰认识，也能跑出一个简单的模型，这种“搭得起来、跑得动”的实感，是任何入门者最需要的鼓励。
对我来说，《深度学习入门》是一次非常舒服的学习体验。它不仅让我弄懂了过去总觉得“好遥远”的 AI 技术，也让我发现，原来我也可以写一个能识别手写数字的小模型，原来我也可以继续学下去。
如果你也对 AI 感兴趣，想找一本不劝退、能起步的好书，这本“鱼书”值得你安静读完。👇
《深度学习入门：基于Python的理论与实现》
斋藤康毅 | 著
陆宇杰 | 译
豆瓣评分 9.5，本书是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。
作译者简介
斋藤康毅（作者）：东京工业大学毕业，并完成东京大学研究生院课程。现从事计算机视觉与机器学习相关的研究和开发工作。是Introducing Python、Python in Practice、The Elements of Computing Systems、Building Machine Learning Systems with Python 的日文版译者。
陆宇杰（译者）：众安科技 NLP 算法工程师。主要研究方向为自然语言处理及其应用，对图像识别、机器学习、深度学习等领域有密切关注。Python爱好者。
“鱼书”同系列其他图书
《深度学习入门2：自制框架》
[日]斋藤康毅 | 著
郑明智 | 译
豆瓣评分 9.6，深度学习鱼书姊妹篇，这套书做到了真正意义上的“入门”！书中没有使用内容不明的黑盒，而是从我们能理解的最基础的知识出发，一步一步地实现最先进的深度学习技术。
《深度学习进阶：自然语言处理》
[日]斋藤康毅 | 著
陆宇杰 | 译
豆瓣评分 9.7 ，“鱼书”系列第 3 部，带你快速直达自然语言处理领域！本书内容精炼，聚焦深度学习视角下的自然语言处理，延续前作的行文风格，采用通俗的语言和大量直观的示意图详细讲解，帮助读者加深对深度学习技术的理解，轻松入门自然语言处理。
《深度学习入门4：强化学习》
斋藤康毅 | 著
郑明智 | 译
豆瓣评分 9.5，深受读者喜爱的“鱼书”系列第四弹，深度学习入门经典，从零开始掌握强化学习。沿袭“鱼书”系列风格，提供实际代码，边实践边学习，无须依赖外部库，从零开始实现支撑强化学习的基础技术。
