前言
为什么要写这本书
人工智能学科自诞生以来,技术理论不断发展,应用领域不断延伸。深度学习是机器学习和人工智能研究的最新趋势之一,可以使具有多个处理层的计算模型实现对多层次抽取数据表征的学习,在智能机器人、图像处理、自然语言处理及语音识别等领域产生了众多应用成果。
随着人工智能技术的发展及国家政策的支持,人工智能人才需求井喷。大量的研究者将深度学习方法作为首要的研究内容。从事与深度学习相关的工作是一件令人自豪的事情,同时,理解深度学习也是一件神秘和令人兴奋的事情。但深度学习的理论性较强、门槛较高,要理解该领域的知识,读者需要具有一定的数学基础,需要学习统计分析、模式识别等专业领域的知识。很多读者想深入研究又望而却步,因为他们缺乏必要的知识,在知识的深入及迁移上有难以跨越的鸿沟。
在学习深度学习相关知识的时候,我经常通过反复思考某个问题来指导自己,查阅资料并且记录成文,经过一段时间后发现整理的内容越来越丰富,从问题集开始,逐渐形成了有序且关联的篇章,我将其命名为《深度学习500问》。2018年6月,我陆续将整理的内容上传到GitHub,方便自己远程更新。意外的是,在2018年10月的时候,这些内容突然引起众多阅读者的极大反响,在CSDN、AI科技大本营、量子位、知乎、雷锋网、知识星球等众多一线人工智能类公众号及网站上相互传开。在最开始的两周内,累计星标就超过1万,在GitHub趋势榜的全球月、周排名中多次居首,这些内容成为一份火爆的深度学习方面的资料,可以作为面试秘籍,也可以作为工程实践的辅助查询手册。随后全球有超过万名的老师、学生、研究者及工程师参与到项目中来,通过广大研究者的集思广益,这些内容最终形成了一个更充实、更全面的AI相关知识库。截至2020年7月,《深度学习500问》在GitHub上的累计星标超过4万。我们本着将内容统一化、精细化、准确化的初衷,联合众多读者一起将其完善、修改并成书。参与成书的很多朋友基本都素未谋面,正是对知识的渴望和坚持技术开源的精神,让我们走到了一起,也正是大家的共同努力,才有了本书的出版。
在本书的撰写过程中,我们力求深入浅出,从基础到入门,从进阶到拓展,尽量定性地进行描述,并较为全面地给出思路和阐释。本书旨在向读者介绍知识的同时培养读者的思维方法,通过不断地刨根问底,使读者在实际的研究与开发过程中快速定点、查漏补缺。书中给出了很多经验性的总结,希望可以帮助读者快速解决问题。
读者反馈
为了尽可能满足读者的需要,本书的电子版同步在GitHub上免费发布,感谢在GitHub上提交内容和建议的朋友们。本书的内容参考了大量的论文、博客,感谢这些开源贡献者。由于本书涉及的数学公式比较复杂、内容涵盖面广且编者水平有限,如发现任何问题,欢迎读者通过以下方式联系编者,以便做出改进。
邮箱:scutjy2015@163.com
致谢
首先要感谢中科院葛仕明教授、香港中文大学(深圳)张家铭研究员及四川大学佃松宜教授,他们引导我进入深度学习、计算机视觉研究领域。感谢鸿海科技集团首席技术官及首席投资官陈杰良博士及富士康机器人与人工智能实验室负责人蒋祖力博士,他们为我提供了很多在外交流学习的机会,写这本书的最初想法是在富士康机器人与人工智能实验室里萌生的。
同时,感谢CSDN的创始人蒋涛,感谢谢工、谷磊、周翔、许爱艳、王金许等,感谢电子工业出版社的符隆美和其他编辑老师们,他们在我写作的过程中给予我的指点和教诲确保了本书的权威性和严谨性。感谢电子工业出版社组织的作译者交流活动,让我得以认识各领域的专家,例如IBM Watson健康大中华区首席运营官周德标、阿里巴巴高级专家阮威等,我向他们学习了许多专业知识和职业发展的成功奥秘。感谢顺丰科技计算机视觉总工程师宋翔及熊君君等前辈在工作中曾给予我技术指导。
感谢四川大学的师弟师妹们,马丛俊、杨沐杰、覃寓媛、王秋爽、张月龄、税懿、李振阳、何贵为本书制作了很多图表;感谢高日强、刘帅伟、孙洪卫、刘元德、黄钦建、刘畅、李骁丹、杨国峰、梁志成、程泽华、张达峰、乔成磊、徐武民、刘鹏、崔永明、白德乾、袁笛、熊楚原、周迎威、明杰、何建宏、盛泳潘、钟申俊、廖文彤、琚兆学等众多硕士、博士及很多在GitHub上默默贡献的科研工作者和工程师为本书的编写提出了很多宝贵的意见和建议。
感谢每一位为本书做出贡献的朋友,我谨以此书作为回礼。
谈继勇