本文介绍了神经网络和深度学习的基本概念和原理。作者通过清晰的讲解和实例演示，帮助读者深入了解了神经网络的工作方式和训练过程。文章还提到了深度学习在各个领域的应用，展示了其在图像识别、自然语言处理等方面取得的巨大成功。整体而言，本文内容丰富、易懂，是一篇值得推荐的学习资料。
《Neural Networks and Deep Learning》读后感(篇一)
一直以为，读不懂书的时候，可能并不是因为你笨，而是，作者太垃圾了。爱因斯坦曾经说：“怎样才算你真正搞懂了一个东西？当你能把这个东西给你奶奶讲明白的时候，才算真正搞懂了它。”
本书最大的亮点在于用动画演示了那些重要的数学原理，非常直观。这也是网络出版书相比实体书很大的一个优点。
前面哪位说了，技术文章就两个：数学和代码。这本书从零开始推导神经网络的数学模型，并用一行行代码实现了它们，对于入门书，可以说是有过之无不及了。
强烈建议在读市面上那些垃圾书（什么21天。。。什么实战。。。)之前，认真啃一啃这本书。然后再去学那些框架以及实例。不然，你都不知道人家在干什么。
《Neural Networks and Deep Learning》读后感(篇二)
这本书透彻地讲解了神经网络的基础知识。用MNIST手写数字图像的识别作为例子，给出了能实际运行的神经网络Python代码。训练后的网络从最初95%的准确率（一个隐藏层），逐渐加入各种优化手段，最后提高到99.67%（CNN，卷积神经网络）。
书中引用了不少新的论文，给人进一步研究学习铺好了道路。这本书对新手太友好了。这是外国人写的书。不得不承认的是，我没有见到，也无法想象国内的技术书籍能达到如此的水平。不过好在现在都是网络上知识共享，国外有好的书我们也能看到。只是不知什么时候国内的技术氛围也能催生出优秀的作品呢？
书中一些细节给我留下了深刻的印象。在“为何规范化可以帮助减轻过度拟合”（Why does regularization help reduce overfitting？）这一节末尾的地方，有一个注释，提到了18世纪的苏格兰哲学家休谟，以及他的《人类理解研究》（An Enquiry Concerning Human Understanding）一书。《人类理解研究》是对《人性论》第一卷的通俗化改写，休谟的《人性论》我读过，他的思想水平我是佩服的。可见作者也不简单，读过休谟。
作者也肯定读过康德。文中出现过几次“没有先验（a priori）的理由使我们如何如何...”这样的话，这明显是受了康德的影响。
作者还知道一些物理学家的历史。“过度拟合和规范化”（Overfitting and regularization）这一节开头，提到了费米回忆冯诺依曼的话，“我记得我的朋友约翰·冯·诺伊曼过去常说，有四个参数，我可以模拟⼀头大象，而有五个参数，我还能让他卷鼻子。”
这些暗中体现出来的细节可以看出西方文化对人潜移默化的影响。不知不觉中就体现出来了，信手拈来。西方文化确实不简单，我们需要认真对待。
《Neural Networks and Deep Learning》读后感(篇三)
对于讲解技术问题，最好方式就是列数学公式，或者直接上代码， 这本书都做到了，非常之好。
这本书对于代码的基础就是简单的python入门，当然，python本身就非常容易入门的。数学基础就是基础的高数数学的求导和简单的矩阵运算，与代码层面相反，对于这个大多数人都学过内容，记得的反而不多了。
第1 章 使神经络识别写数字----必须细看的第一章
从简单的感知器和S型神经元讲起，简单的数学公式， 清晰的示意图，介绍了机器学习求解的大杀器，梯度下降，然后介绍了一个百十来行的代码， 包括一步步的实践尝试。作为最简单的神经网络的入门，其实这一章就够了。
第2章 Backpropagation，BP神经网络----可以略过的第二章
神经网络求解的基础，当然以前也看过来别的数，但是看完了四个基本方程，确实体会到了一种从本质上了解的感觉，当然，也可以根据作者所说的，公式太多，pass这一章，不太影响后面学习。
第3章 改进神经络的学习法--------实际要使用的有用技巧
这个是在实际使用神经网络方面要做的大量工作，作者介绍了交叉熵， 防止过拟合， 正则化方法，权重初始化的问题，关于学习速率调整的问题，如果你想真正work一个神经网络这一章必不可少。
第4章 神经络可以计算任何函数的可视化证明--------加深了解的一章
如果你想问为什么神经网络可以工作， 这一章对于 加深了解非常重要，如果不care的话，其实也可以pass。
第5章 深度神经络为何很难训练----从神经网络到深度学习的过度
这里面开始到了深度学习，其实还是数学问题，如果pass了第三章，那这章也一起pass吧，介绍了梯度消失和梯度爆炸的原理，写得很好。
第6章 深度学习-----真正旅程的起点
严格来说这章名字应该叫深度学习入门--CNN，只介绍了卷积神经网络，而且不同于前面章节，对于数学原理也没有介绍，但是介绍了其主要步骤。然后提到了RNN什么的，真正有用的完全没有展开，所以-------这是一本非常好的入门书。
推荐阅读可以分为三个深度 1 了解什么是神经网络， 看看第一章就行了
2 想要学习怎么用神经网络，看看第1章和第3章，如果想要进一步了解其本质， 推荐再看第2章和第4 章，
3 想要迈向深度学习吗？ 从第5章和第6章开始，然后，，，再找别的书看吧。
