Deep Learning
适合查清数学与训练机制的教材。按问题选读，先补矩阵、概率与优化，再进入机器学习基础。
看教程时能跟着运行，却解释不了“为什么这样训练”，可以把这本书当成查机制的桌边参考。它不必从第一页一路读到底。
适合谁，基础在哪补
适合愿意对照公式和例子、已有基本微积分与编程经验的读者。数学不熟时，可先按当前问题选读第 2 章线性代数、第 3 章概率与信息论、第 4 章数值计算；这几章是复习入口，不保证替代完整数学训练。
三个有具体问题的入口
| 当前卡在哪里 | 先查哪一章 | 读后试着回答 |
|---|---|---|
| 不理解泛化、训练集与测试集 | 第 5 章，机器学习基础 | 为什么训练误差低不等于测试表现好？ |
| 不理解深层网络的训练过程 | 第 6 章，深度前馈网络 | 参数怎样通过损失收到更新信号？ |
| 优化器能跑，却不知该检查什么 | 第 8 章，优化 | 调学习率以后，哪些观测支持你的解释？ |
第 10 章可以帮助理解序列建模，但不是现代 Transformer 的完整教程。要沿一次注意力运算读起，可以接本站的Transformer 机制笔记。
使用边界
书的概念框架适合反复查阅，工具、模型生态和实践配方则需要另查当前文档。不要要求一份教材同时承担所有最新进展。
作者提供的在线版本可免费阅读；2026-09-30 核对了官网目录与在线入口。这次没有逐章复算例题，选读建议是本站的编辑判断。