我认为有了python编程基础和神经网络的基础，应该把斋藤康毅 所讲的《深度学习入门python的理论与实现》作为理论基础入门，然后把何之源所写的《21个项目玩转深度学习基于TensorFlow的实践详解》作为实践学习。
《深度学习入门基于Python的理论与实现》应该属于深度学习真正意义上的入门书。
《深度学习入门基于Python的理论与实现》中文PDF，314页，带书签目录，文字可以复制；配套源代码。
下载：https://pan.baidu.com/s/1TaTZzete0hY8mK_jSqFsww
我从中不仅学习了深度学习和神经网络的概念、特征等基础知识，对误差反向传播法、卷积神经网络等也有深入了解，此 外还知道了深度学习相关的实用技巧，自动驾驶、图像生成、强化学习等方面的应用，以及为什么加深层可以提高识别精度 等“为什么”的问题。
《深度学习入门基于Python的理论与实现》深入浅出地剖析了深度学习的原理和相关技术，从基本的数学知识出发，从零创建一个经典的深度学习网络。
我认为，第7章讲的最好，解决了我的疑惑，卷积神经网络中的卷积层和池化层的实现，终于学会了CNN的实现。
有了基本理论，下一步我认为应该基于TensorFlow 框架进行实践，自认为可以选择学习《21个项目玩转深度学习基于TensorFlow的实践详解》
《21个项目玩转深度学习:基于TensorFlow的实践详解》PDF，378页，有书签目录，文字可以复制；附有源代码。
下载：https://pan.baidu.com/s/1NYYpsxbWBvMn9U7jvj6XSw
通过两个月的学习，测试了《21个项目玩转深度学习:基于TensorFlow的实践详解》中的16个项目，对图像识别、目标检测和人脸识别、风格迁移，图像和文本，训练机器玩游戏。都进行了实际测试。
下一步需要进一步学习RNN网络和深度强化学习。
我在自己动手实践的过程中找到学习的乐趣，了解算法和编程框架的细节，应用TensorFlow也变得熟练了。
通过对深度学习入门和21个项目的学习，完成了从理论到实践的跨越，提升了自己。
也推荐大家学习一下猿辅导团队所写的《深度学习核心技术与实践》，也是理论到实践的学习。
《深度学习核心技术与实践》PDF，530页，带书签目录，文字可以复制；配套代码和资源链接。
下载：https://pan.baidu.com/s/1EW7HUQVEasu2joovH2m61Q
深度学习核心技术与实践 主要介绍深度学习的核心算法，以及在计算机视觉、语音识别、自然语言处理中的相关应用。可以提升深度学习知识水平！