1.2.2 機器學習
關於深度學習的學習，不需要你成為一個機器學習的專家，不過具有機器學習的知識將會對深度學習的學習有很大的幫助，例如通過Scikit-Learn來實現交叉驗證等。雖然機器學習的技能不是必需的，並且隨著對本書的學習，對這方麵的知識也會加深理解，但是具有這方麵的知識會讓學習的過程更加簡單。對機器學習感興趣的讀者也可以閱讀筆者的另一本書：《機器學習——Python 實踐》，來增加對機器學習的理解，以及掌握如何使用Scikit-Learn來實踐機器學習。
1.2.3 深度學習
雖然在深度學習的實踐中不需要掌握算法的原理和數學基礎，但是具備這方麵的知識，能夠加快對算法的理解。本書會對神經網絡的概念和模型做基礎介紹，但不會介紹算法的原理和數學基礎。
提示：本書中的所有示例都是基於 CPU 的工作站完成的，沒有使用 GPU。在本書的後麵章節會介紹一種基於雲計算的方式，來實現基於GPU的深度學習，不需要為深度學習而配置價格昂貴的GPU。
1.3 閱讀本書的收獲
本書是一本寫給Python程序員的深度學習的書籍，通過學習本書，可以從對深度學習感興趣，到掌握Python中深度學習的資源，並能夠在項目中實踐深度學習。完成本書的學習將會掌握：
• 如何構建和評估一個神經網絡模型。
• 如何使用更加先進的技術構建一個深度學習的模型。
• 如何構建一個圖像或文本相關的模型。
• 如何改善模型的性能。
1.4 本書說明
這不是一本深度學習的教科書，因此不會對神經網絡等深度學習的算法原理進行講解，需要讀者對算法原理有一定的理解，或者自行掌握這些算法的基本概念。
這不是一本算法的教科書，不會詳細講解深度學習的算法如何實現和運行，需要讀者自行掌握這些算法的實現和運行原理。
這不是一本關於Python的語法書，不會花費大量的篇幅來講解Python的語法。在這裏假設讀者是一個經驗豐富的開發人員，能夠快速掌握一門類似於C語言的開發語言。即使讀者不滿足以上要求，依然可以很方便地學習本書的內容，並將學到的內容應用到項目實踐中。隨著實踐的增加，學到的知識會越來越全麵。
1.5 本書中的代碼
本書中的所有源代碼都發布在GitHub上，讀者可以到GitHub上下載。下載地址：https：brbrgithub.brweizy1981brdeeplearning。
1.2.2 機器學習