书名：深度学习经典教程：深度学习+深度学习与围棋（套装2册）  
定价：267.0  
ISBN：9787115805928  
作者：伊恩·古德费洛等  
版次：第1版  
出版时间：2021-01  

内容提要：  
9787115461476 深度学习 168.00 9787115551467 深度学习与围棋 99.00 《深度学习》 《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第 1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第 2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。 《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。 《深度学习与围棋》 这是一本深入浅出且极富趣味的深度学习入门书。本书选取深度学习近年来*重大的突破之一 AlphaGo，将其背后的技术和原理娓娓道来，并配合一套基于 BetaGo 的开源代码，带领读者从零开始一步步实现自己的“AlphaGo”。本书侧重实践，深入浅出，庖丁解牛般地将深度学习和AlphaGo这样深奥的话题变得平易近人、触手可及，内容非常精彩。 全书共分为3个部分：*一部分介绍机器学习和围棋的基础知识，并构建一个*简围棋机器人，作为后面章节内容的基础；*二部分分层次深入介绍AlphaGo背后的机器学习和深度学习技术，包括树搜索、神经网络、深度学习机器人和强化学习，以及强化学习的几个*级技巧，包括策略梯度、价值评估方法、演员-评价方法 3 类技术；第三部分将前面两部分准备好的知识集成到一起，并*终引导读者实现自己的AlphaGo，以及改进版AlphaGo Zero。读完本书之后，读者会对深度学习这个学科以及AlphaGo的技术细节有非常全面的了解，为进一步深入钻研AI理论、拓展AI应用打下良好基础。 本书不要求读者对AI或围棋有任何了解，只需要了解基本的Python语法以及基础的线性代数和微积分知识。  



作者简介：  
《深度学习》 作者简介 Ian Goodfellow，谷歌公司(Google) 的研究科学家，2014 年蒙特利尔大学机器学习博士。他的研究兴趣涵盖大多数深度学习主题，特别是生成模型以及机器学习的安全和隐私。Ian Goodfellow 在研究对抗样本方面是一位有影响力的早期研究者，他发明了生成式对抗网络，在深度学习领域贡献卓 越。 Yoshua Bengio，蒙特利尔大学计算机科学与运筹学系(DIRO) 的教授，蒙特利尔学习算法研究所(MILA) 的负责人，CIFAR 项目的共同负责人，加拿大统计学习算法研究主席。Yoshua Bengio 的主要研究目标是了解产生智力的学习原则。他还教授“机器学习”研究生课程(IFT6266)，并培养了一大批研究生和博士后。 Aaron Courville，蒙特利尔大学计算机科学与运筹学系的助理教授，也是LISA 实验室的成员。目前他的研究兴趣集中在发展深度学习模型和方法，特别是开发概率模型和新颖的推断方法。Aaron Courville 主要专注于计算机视觉应用，在其他领域，如自然语言处理、音频信号处理、语音理解和其他AI 相关任务方面也有所研究。 中文版审校者简介 张志华，北京大学数学科学学院统计学教授，北京大学大数据研究中心和北京大数据研究院数据科学教授，主要从事机器学习和应用统计学的教学与研究工作。 译者简介 赵申剑，上海交通大学计算机系硕士研究生，研究方向为数值优化和自然语言处理。 黎彧君，上海交通大学计算机系博士研究生，研究方向为数值优化和强化学习。 符天凡，上海交通大学计算机系硕士研究生，研究方向为贝叶斯推断。 李凯，上海交通大学计算机系博士研究生，研究方向为博弈论和强化学习。 《深度学习与围棋》 马克斯·帕佩拉（Max Pumperla）供职于Skymind公司，是一位专职研究深度学习的数据科学家和工程师。他是深度学习平台Aetros的联合创始人。 凯文·费格森（Kevin Ferguson）在分布式系统和数据科学领域拥有近20年的工作经验。他是Honor公司的数据科学家，曾就职于谷歌和Meebo等公司。 马克斯·帕佩拉和凯文·费格森都是经验丰富的深度学习专家，拥有丰富的分布式系统和数据科学方面的知识。他们是开源围棋机器人 BetaGo 的共同创造者。  

目录：  
《深度学习》  
《深度学习》目录  
第 1 章 引言 1  
1.1 本书面向的读者 .7  
1.2 深度学习的历史趋势 8  
1.2.1 神经网络的众多名称和命运变迁 8  
1.2.2 与日俱增的数据量 12  
1.2.3 与日俱增的模型规模13  
1.2.4 与日俱增的精度、复杂度和对现实世界的冲击 . 15  

第 1 部分 应用数学与机器学习基础  
第 2 章 线性代数 19  
2.1 标量、向量、矩阵和张量 . 19  
2.2 矩阵和向量相乘. .21  
2.3 单位矩阵和逆矩阵 . 22  
2.4 线性相关和生成子空间 23  
2.5 范数. .24  
2.6 特殊类型的矩阵和向量 25  
2.7 特征分解 . 26  
2.8 奇异值分解 28  
2.9 Moore-Penrose 伪逆 28  
2.10 迹运算 29  
2.11 行列式 30  
2.12 实例：主成分分析.30  
第 3 章 概率与信息论. .34  
3.1 为什么要使用概率 . 34  
3.2 随机变量 . 35  
3.3 概率分布 . 36  
3.3.1 离散型变量和概率质量函数 . 36  
3.3.2 连续型变量和概率密度函数 . 36  
3.4 边缘概率 . 37  
3.5 条件概率 . 37  
3.6 条件概率的链式法则 . 38  
3.7 独立性和条件独立性 . 38  
3.8 期望、方差和协方差 . 38  
3.9 常用概率分布 39  
3.9.1 Bernoulli 分布 . 40  
3.9.2 Multinoulli 分布 . 40  
3.9.3 高斯分布 40  
3.9.4 指数分布和 Laplace 分布 . 41  
3.9.5 Dirac 分布和经验分布 42  
3.9.6 分布的混合 42  
3.10 常用函数的有用性质. .43  
3.11 贝叶斯规则 . 45  
3.12 连续型变量的技术细节 . 45  
3.13 信息论 47  
3.14 结构化概率模型 49  
第 4 章 数值计算 52  
4.1 上溢和下溢 52  
4.2 病态条件 . 53  
4.3 基于梯度的优化方法 . 53  
4.3.1 梯度之上：Jacobian 和 Hessian 矩阵 . 56  
4.4 约束优化 . 60  
4.5 实例：线性**小二乘 . 61  
第 5 章 机器学习基础. .63  
5.1 学习算法 . 63  
5.1.1 任务 T . 63  
5.1.2 性能度量 P 66  
5.1.3 经验 E 66  
5.1.4 示例：线性回归 68  
5.2 容量、过拟合和欠拟合 . 70  
5.2.1 没有免费午餐定理 73  
5.2.2 正则化 74  
5.3 超参数和验证集. .76  
5.3.1 交叉验证 76  
5.4 估计、偏差和方差. .77  
5.4.1 点估计 77  
5.4.2 偏差 78  
5.4.3 方差和标准差 80  
5.4.4 权衡偏差和方差以**小化均方误差 . 81  
5.4.5 一致性 82  
5.5 **大似然估计 82  
5.5.1 条件对数似然和均方误差. .84  
5.5.2 **大似然的性质 84  
5.6 贝叶斯统计 85  
5.6.1 **大后验 (MAP) 估计 87  
5.7 监督学习算法 88  
5.7.1 概率监督学习 88  
5.7.2 支持向量机 88  
5.7.3 其他简单的监督学习算法. .90  
5.8 无监督学习算法. .91  
5.8.1 主成分分析 92  
5.8.2 k-均值聚类 .94  
5.9 随机梯度下降 94  
5.10 构建机器学习算法 96  
5.11 促使深度学习发展的挑战 . 96  
5.11.1 维数灾难 . 97  
5.11.2 局部不变性和平滑正则化 97  
5.11.3 流形学习 . 99  

第 2 部分 深度网络：现代实践  
第 6 章 深度前馈网络 105  
6.1 实例：学习 XOR. . 107  
6.2 基于梯度的学习 110  
6.2.1 代价函数 . 111  
6.2.2 输出单元 . 113  
6.3 隐藏单元. .119  
6.3.1 整流线性单元及其扩展 120  
6.3.2 logistic sigmoid 与双曲正切函数 121  
6.3.3 其他隐藏单元 . 122  
6.4 架构设计. .123  
6.4.1 万 能近似性质和深度.123  
6.4.2 其他架构上的考虑 .126  
6.5 反向传播和其他的微分算法.126  
6.5.1 计算图 . 127  
6.5.2 微积分中的链式法则.128  
6.5.3 递归地使用链式法则来实现反向传播 128  
6.5.4 全连接 MLP 中的反向传播计算 131  
6.5.5 符号到符号的导数 .131  
6.5.6 一般化的反向传播 .133  
6.5.7 实例：用于 MLP 训练的反向传播 .135  
6.5.8 复杂化 . 137  
6.5.9 深度学习界以外的微分 137  
6.5.10 高阶微分 138  
6.6 历史小记. .139  
第 7 章 深度学习中的正则化 . 141  
7.1 参数范数惩罚 . 142  
7.1.1 L2 参数正则化 142  
7.1.2 L1 正则化 144  
7.2 作为约束的范数惩罚. .146  
7.3 正则化和欠约束问题. .147  
7.4 数据集增强 . 148  
7.5 噪声鲁棒性 . 149  
7.5.1 向输出目标注入噪声.150  
7.6 半监督学习 . 150  
7.7 多任务学习 . 150  
7.8 提前终止. .151  
7.9 参数绑定和参数共享. .156  
7.9.1 卷积神经网络 . 156  
7.10 稀疏表示.157  
7.11 Bagging 和其他集成方法.158  
7.12 Dropout159  
7.13 对抗训练.165  
7.14 切面距离、正切传播和流形正切分类器 167  
第 8 章 深度模型中的优化. .169  
8.1 学习和纯优化有什么不同 . 169  
8.1.1 经验风险**小化 . 169  
8.1.2 代理损失函数和提前终止 170  
8.1.3 批量算法和小批量算法 170  
8.2 神经网络优化中的挑战 . 173  
8.2.1 病态 . 173  
8.2.2 局部极小值 . 174  
8.2.3 高原、鞍点和其他平坦区域 .175  
8.2.4 悬崖和梯度爆炸 . 177  
8.2.5 长期依赖 . 177  
8.2.6 非精 确梯度 . 178  
8.2.7 局部和全局结构间的弱对应 178  
8.2.8 优化的理论限制 . 179  
8.3 基本算法. .180  
8.3.1 随机梯度下降 . 180  
8.3.2 动量 . 181  
8.3.3 Nesterov 动量.183  
8.4 参数初始化策略 184  
8.5 自适应学习率算法 187  
8.5.1 AdaGrad 187  
8.5.2 RMSProp 188  
8.5.3 Adam 189  
8.5.4 选择正确的优化算法.190  
8.6 二阶近似方法 . 190  
8.6.1 牛顿法 . 190  
8.6.2 共轭梯度 . 191  
8.6.3 BFGS. . 193  
8.7 优化策略和元算法 194  
8.7.1 批标准化 . 194  
8.7.2 坐标下降 . 196  
8.7.3 Polyak 平均 197  
8.7.4 监督预训练 . 197  
8.7.5 设计有助于优化的模型 199  
8.7.6 延拓法和课程学习 .199  
第 9 章 卷积网络 . 201  
9.1 卷积运算. .201  
9.2 动机 203  
9.3 池化 207  
9.4 卷积与池化作为一种无限强的先验 . 210  
9.5 基本卷积函数的变体. .211  
9.6 结构化输出 . 218  
9.7 数据类型. .219  
9.8 高效的卷积算法 220  
9.9 随机或无监督的特征. .220  
9.10 卷积网络的神经科学基础 221  
9.11 卷积网络与深度学习的历史 . 226  
第 10 章 序列建模：循环和递归网络 . 227  
10.1 展开计算图 228  
10.2 循环神经网络230  
10.2.1 导师驱动过程和输出循环网络 . 232  
10.2.2 计算循环神经网络的梯度 . 233  
10.2.3 作为有向图模型的循环网络 . 235  
10.2.4 基于上下文的 RNN 序列建模 . 237  
10.3 双向 RNN . 239  
10.4 基于编码 - 解码的序列到序列架构 . 240  
10.5 深度循环网络242  
10.6 递归神经网络243  
10.7 长期依赖的挑战 . 244  
10.8 回声状态网络245  
10.9 渗漏单元和其他多时间尺度的策略 247  
10.9.1 时间维度的跳跃连接. .247  
10.9.2 渗漏单元和一系列不同时间尺度 . 247  
10.9.3 删除连接 248  
10.10 长短期记忆和其他门控 RNN 248  
10.10.1 LSTM . 248  
10.10.2 其他门控 RNN. .250  
10.11 优化长期依赖.251  
10.11.1 截断梯度 . 251  
10.11.2 引导信息流的正则化 252  
10.12 外显记忆 . 253  
第 11 章 实践方法论 . 256  
11.1 性能度量.256  
11.2 默认的基准模型 . 258  
11.3 决定是否收集更多数据 259  
11.4 选择超参数 259  
11.4.1 手动调整超参数259  
11.4.2 自动超参数优化算法. .262  
11.4.3 网格搜索 262  
11.4.4 随机搜索 263  
11.4.5 基于模型的超参数优化 . 264  
11.5 调试策略.264  
11.6 示例：多位数字识别 . 267  
第 12 章 应用.269  
12.1 大规模深度学习 . 269  
12.1.1 快速的 CPU 实现 269  
12.1.2 GPU 实现 . 269  
12.1.3 大规模的分布式实现. .271  
12.1.4 模型压缩 271  
12.1.5 动态结构 272  
12.1.6 深度网络的专用硬件实现 . 273  
12.2 计算机视觉 274  
12.2.1 预处理 275  
12.2.2 数据集增强 277  
12.3 语音识别.278  
12.4 自然语言处理279  
12.4.1 n-gram280  
12.4.2 神经语言模型 281  
12.4.3 高维输出 282  
12.4.4 结合 n-gram 和神经语言模型 . 286  
12.4.5 神经机器翻译 287  
12.4.6 历史展望 289  
12.5 其他应用.290  
12.5.1 推荐系统 290  
12.5.2 知识表示、推理和回答 292  

第 3 部分 深度学习研究  
第 13 章 线性因子模型 . 297  
13.1 概率 PCA 和因子分析 . 297  
13.2 独立成分分析298  
13.3 慢特征分析 300  
13.4 稀疏编码.301  
13.5 PCA 的流形解释 304  
第 14 章 自编码器 306  
14.1 欠完备自编码器 . 306  
14.2 正则自编码器307  
14.2.1 稀疏自编码器 307  
14.2.2 去噪自编码器 309  
14.2.3 惩罚导数作为正则. .309  
14.3 表示能力、层的大小和深度 310  
14.4 随机编码器和解码器.310  
14.5 去噪自编码器详解 . 311  
14.5.1 得分估计 312  
14.5.2 历史展望 314  
14.6 使用自编码器学习流形 314  
14.7 收缩自编码器317  
14.8 预测稀疏分解319  
14.9 自编码器的应用 . 319  
第 15 章 表示学习 321  
15.1 贪心逐层无监督预训练 322  
15.1.1 何时以及为何无监督预训练有效有效 . 323  
15.2 迁移学习和领域自适应 326  
15.3 半监督解释因果关系.329  
15.4 分布式表示 332  
15.5 得益于深度的指数增益 336  
15.6 提供发现潜在原因的线索 337  
第 16 章 深度学习中的结构化概率模型 339  
16.1 非结构化建模的挑战.339  
16.2 使用图描述模型结构.342  
16.2.1 有向模型 342  
16.2.2 无向模型 344  
16.2.3 配分函数 345  
16.2.4 基于能量的模型346  
16.2.5 分离和 d-分离347  
16.2.6 在有向模型和无向模型中转换 . 350  
16.2.7 因子图 352  
16.3 从图模型中采样 . 353  
16.4 结构化建模的优势 . 353  
16.5 学习依赖关系354  
16.6 推断和近似推断 . 354  
16.7 结构化概率模型的深度学习方法.355  
16.7.1 实例：受限玻尔兹曼机 356  
第 17 章 蒙特卡罗方法 . 359  
17.1 采样和蒙特卡罗方法.359  
17.1.1 为什么需要采样359  
17.1.2 蒙特卡罗采样的基础. .359  
17.2 重要采样.360  
17.3 马尔可夫链蒙特卡罗方法 362  
17.4 Gibbs 采样.365  
17.5 不同的峰值之间的混合挑战 . 365  
17.5.1 不同峰值之间通过回火来混合 . 367  
17.5.2 深度也许会有助于混合 . 368  
第 18 章 直面配分函数 . 369  
18.1 对数似然梯度369  
18.2 随机**大似然和对比散度 370  
18.3 伪似然 . 375  
18.4 得分匹配和比率匹配.376  
18.5 去噪得分匹配378  
18.6 噪声对比估计378  
18.7 估计配分函数380  
18.7.1 退火重要采样 382  
18.7.2 桥式采样 384  
第 19 章 近似推断 385  
19.1 把推断视作优化问题.385  
19.2 期望**大化 386  
19.3 **大后验推断和稀疏编码 387  
19.4 变分推断和变分学习.389  
19.4.1 离散型潜变量 390  
19.4.2 变分法 394  
19.4.3 连续型潜变量 396  
19.4.4 学习和推断之间的相互作用 . 397  
19.5 学成近似推断397  
19.5.1 醒眠算法 398  
19.5.2 学成推断的其他形式. .398  
第 20 章 深度生成模型 . 399  
20.1 玻尔兹曼机 399  
20.2 受限玻尔兹曼机 . 400  
20.2.1 条件分布 401  
20.2.2 训练受限玻尔兹曼机. .402  
20.3 深度信念网络402  
20.4 深度玻尔兹曼机 . 404  
20.4.1 有趣的性质 406  
20.4.2 DBM 均匀场推断 406  
20.4.3 DBM 的参数学习 408  
20.4.4 逐层预训练 408  
20.4.5 联合训练深度玻尔兹曼机 . 410  
20.5 实值数据上的玻尔兹曼机 413  
20.5.1 Gaussian-Bernoulli RBM . 413  
20.5.2 条件协方差的无向模型 . 414  
20.6 卷积玻尔兹曼机 . 417  
20.7 用于结构化或序列输出的玻尔兹曼机 418  
20.8 其他玻尔兹曼机 . 419  
20.9 通过随机操作的反向传播 419  
20.9.1 通过离散随机操作的反向传播 . 420  
20.10 有向生成网络.422  
20.10.1 sigmoid 信念网络 . 422  
20.10.2 可微生成器网络 .423  
20.10.3 变分自编码器 .425  
20.10.4 生成式对抗网络 .427  
20.10.5 生成矩匹配网络 .429  
20.10.6 卷积生成网络 .430  
20.10.7 自回归网络 . 430  
20.10.8 线性自回归网络 .430  
20.10.9 神经自回归网络 .431  
20.10.10 NADE 432  
20.11 从自编码器采样 433  
20.11.1 与任意去噪自编码器相关的马尔可夫链 434  
20.11.2 夹合与条件采样 .434  
20.11.3 回退训练过程 .435  
20.12 生成随机网络.435  
20.12.1 判别性 GSN 436  
20.13 其他生成方案.436  
20.14 评估生成模型.437  
20.15 结论 438  
参考文献. .439  
索引 486  
《深度学习与围棋》  
目　录  
第　一部分 基础知识  
第　1章 走近深度学习：机器学习入门　3  
1.1　什么是机器学习　4  
1.1.1　机器学习与AI的关系　5  
1.1.2　机器学习能做什么，不能做什么　6  
1.2　机器学习示例　7  
1.2.1　在软件应用中使用机器学习　9  
1.2.2　监督学习　11  
1.2.3　无监督学习　12  
1.2.4　强化学习　12  
1.3　深度学习　13  
1.4　阅读本书能学到什么　14  
1.5　小结　15  
第　2章 围棋与机器学习　16  
2.1　为什么选择游戏　16  
2.2　围棋快速入门　17  
2.2.1　了解棋盘　17  
2.2.2　落子与吃子　18  
2.2.3　终盘与胜负计算　19  
2.2.4　理解劫争　20  
2.2.5　让子　20  
2.3　更多学习资源　20  
2.4　我们可以教会计算机什么　21  
2.4.1　如何开局　21  
2.4.2　搜索游戏状态　21  
2.4.3　减少需要考虑的动作数量　22  
2.4.4　评估游戏状态　22  
2.5　如何评估围棋AI的能力　23  
2.5.1　传统围棋评级　23  
2.5.2　对围棋AI进行基准测试　24  
2.6　小结　24  
第3章　实现第 一个围棋机器人　25  
3.1　在Python中表达围棋游戏　25  
3.1.1　实现围棋棋盘　28  
3.1.2　在围棋中跟踪相连的棋组：棋链　28  
3.1.3　在棋盘上落子和提子　30  
3.2　跟踪游戏状态并检查非法动作　32  
3.2.1　自吃　33  
3.2.2　劫争　34  
3.3　终盘　36  
3.4　创建自己的第 一个机器人：理论上*弱的围棋AI　37  
3.5　使用Zobrist哈希加速棋局　41  
3.6　人机对弈　46  
3.7　小结　47  
*二部分　机器学习和游戏AI  
第4章　使用树搜索下棋　51  
4.1　游戏分类　52  
4.2　利用极小化极大搜索预测对手　53  
4.3　井字棋推演：一个极小化极大算法的示例　56  
4.4　通过剪枝算法缩减搜索空间　58  
4.4.1　通过棋局评估减少搜索深度　60  
4.4.2　利用α-β剪枝缩减搜索宽度　63  
4.5　使用蒙特卡洛树搜索评估游戏状态　66  
4.5.1　在Python中实现蒙特卡洛树搜索　69  
4.5.2　如何选择继续探索的分支　72  
4.5.3　将蒙特卡洛树搜索应用于围棋　74  
4.6　小结　76  
第5章　神经网络入门　77  
5.1　一个简单的用例：手写数字分类　78  
5.1.1　MNIST手写数字数据集　78  
5.1.2　MNIST数据的预处理　79  
5.2　神经网络基础　85  
5.2.1　将对率回归描述为简单的神经网络　85  
5.2.2　具有多个输出维度的神经网络　85  
5.3　前馈网络　86  
5.4　我们的预测有多好？损失函数及优化　89  
5.4.1　什么是损失函数　89  
5.4.2　均方误差　89  
5.4.3　在损失函数中找极小值　90  
5.4.4　使用梯度下降法找极小值　91  
5.4.5　损失函数的随机梯度下降算法　92  
5.4.6　通过网络反向传播梯度　93  
5.5　在Python中逐步训练神经网络　95  
5.5.1　Python中的神经网络层　96  
5.5.2　神经网络中的激活层　97  
5.5.3　在Python中实现稠密层　98  
5.5.4　Python顺序神经网络　100  
5.5.5　将网络集成到手写数字分类应用中　102  
5.6　小结　103  
第6章　为围棋数据设计神经网络　105  
6.1　为神经网络编码围棋棋局　107  
6.2　生成树搜索游戏用作网络训练数据　109  
6.3　使用Keras深度学习库　112  
6.3.1　了解Keras的设计原理　112  
6.3.2　安装Keras深度学习库　113  
6.3.3　热身运动：在Keras中运行一个熟悉的示例　113  
6.3.4　使用Keras中的前馈神经网络进行动作预测　115  
6.4　使用卷积网络分析空间　119  
6.4.1　卷积的直观解释　119  
6.4.2　用Keras构建卷积神经网络　122  
6.4.3　用池化层缩减空间　123  
6.5　预测围棋动作概率　124  
6.5.1　在*后一层使用softmax激活函数　125  
6.5.2　分类问题的交叉熵损失函数　126  
6.6　使用丢弃和线性整流单元构建更深的网络　127  
6.6.1　通过丢弃神经元对网络进行正则化　128  
6.6.2　线性整流单元激活函数　129  
6.7　构建更强大的围棋动作预测网络　130  
6.8　小结　133  
第7章　从数据中学习：构建深度学习机器人　134  
7.1　导入围棋棋谱　135  
7.1.1　SGF文件格式　136  
7.1.2　从KGS下载围棋棋谱并复盘　136  
7.2　为深度学习准备围棋数据　137  
7.2.1　从SGF棋谱中复盘围棋棋局　138  
7.2.2　构建围棋数据处理器　139  
7.2.3　构建可以高效地加载数据的围棋数据生成器　146  
7.2.4　并行围棋数据处理和生成器　147  
7.3　基于真实棋局数据训练深度学习模型　148  
7.4　构建更逼真的围棋数据编码器　152  
7.5　使用自适应梯度进行高效的训练　155  
7.5.1　在SGD中采用衰减和动量　155  
7.5.2　使用Adagrad优化神经网络　156  
7.5.3　使用Adadelta优化自适应梯度　157  
7.6　运行自己的实验并评估性能　157  
7.6.1　测试架构与超参数的指南　158  
7.6.2　评估训练与测试数据的性能指标　159  
7.7　小结　160  
第8章　实地部署围棋机器人　162  
8.1　用深度神经网络创建动作预测代理　163  
8.2　为围棋机器人提供Web前端　165  
8.3　在云端训练与部署围棋机器人　169  
8.4　与其他机器人对话：围棋文本协议　170  
8.5　在本地与其他机器人对弈　172  
8.5.1　机器人应该何时跳过回合或认输　172  
8.5.2　让机器人与其他围棋程序进行对弈　173  
8.6　将围棋机器人部署到在线围棋服务器　178  
8.7　小结　182  
第9章　通过实践学习：强化学习　183  
9.1　强化学习周期　184  
9.2　经验包括哪些内容　185  
9.3　建立一个有学习能力的代理　188  
9.3.1　从某个概率分布中进行抽样　189  
9.3.2　剪裁概率分布　190  
9.3.3　初始化一个代理实例　191  
9.3.4　在磁盘上加载并保存代理　191  
9.3.5　实现动作选择　193  
9.4　自我对弈：计算机程序进行实践训练的方式　194  
9.4.1　经验数据的表示　194  
9.4.2　模拟棋局　197  
9.5　小结　199  
第　10章 基于策略梯度的强化学习　200  
10.1　如何在随机棋局中识别更佳的决策　201  
10.2　使用梯度下降法修改神经网络的策略　204  
10.3　使用自我对弈进行训练的几个小技巧　208  
10.3.1　评估学习的进展　208  
10.3.2　衡量强度的细微差别　209  
10.3.3　SGD优化器的微调　210  
10.4　小结　213  
第　11章 基于价值评估方法的强化学习　214  
11.1　使用Q学习进行游戏　214  
11.2　在Keras中实现Q学习　218  
11.2.1　在Keras中构建双输入网络　218  
11.2.2　用Keras实现ε贪婪策略　222  
11.2.3　训练一个行动-价值函数　225  
11.3　小结　226  
第　12章 基于演员-评价方法的强化学习　227  
12.1　优势能够告诉我们哪些决策更加重要　227  
12.1.1　什么是优势　228  
12.1.2　在自我对弈过程中计算优势值　230  
12.2　为演员-评价学习设计神经网络　232  
12.3　用演员-评价代理下棋　234  
12.4　用经验数据训练一个演员-评价代理　235  
12.5　小结　240  
第三部分　一加一大于二  
第　13章 AlphaGo：全部集结　243  
13.1　为AlphaGo训练深度神经网络　245  
13.1.1　AlphaGo的网络架构　246  
13.1.2　AlphaGo棋盘编码器　248  
13.1.3　训练AlphaGo风格的策略网络　250  
13.2　用策略网络启动自我对弈　252  
13.3　从自我对弈数据衍生出一个价值网络　254  
13.4　用策略网络和价值网络做出更好的搜索　254  
13.4.1　用神经网络改进蒙特卡洛推演　255  
13.4.2　用合并价值函数进行树搜索　256  
13.4.3　实现AlphaGo的搜索算法　258  
13.5　训练自己的AlphaGo可能遇到的实践问题　263  
13.6　小结　265  
第　14章 AlphaGo Zero：将强化学习集成到树搜索中　266  
14.1　为树搜索构建一个神经网络　267  
14.2　使用神经网络来指导树搜索　268  
14.2.1　沿搜索树下行　271  
14.2.2　扩展搜索树　274  
14.2.3　选择一个动作　276  
14.3　训练　277  
14.4　用狄利克雷噪声改进探索　281  
14.5　处理超深度神经网络的相关*新技术　282  
14.5.1　批量归一化　282  
14.5.2　残差网络　283  
14.6　探索额外资源　284  
14.7　结语　285  
14.8　小结　285  
附录A　数学基础　286  
附录B　反向传播算法　293  
附录C　围棋程序与围棋服务器　297  
附录D　用AWS来训练和部署围棋程序与围棋服务器　300  
附录E　将机器人发布到OGS　307