断舍离，忍痛出掉了几年前的 AI 主机。还有几本深度学习的书，送给需要的朋友

大约五六年前，那时工作比较清闲，就想着要学点什么。彼时，距 AlphaGo 与李世石的“世纪大战”已过去三年，深度学习取得了令人瞩目的突破。出于对 AI 的憧憬，我便配备了一台性能较为强劲的主机，准备潜心钻研人工智能技术。

可回首当初，我似乎走错了方向，不应该盯着模型和算法，而应该往AI应用的方向。模型与算法的研究与优化，此类工作看似高端、报酬也确实丰厚，但它对数学功底的要求极高，年薪百万的算法工程师并不是人人能当。并且这项工作并不适合个人开发者：想用消费级显卡训练大模型，无异于痴人说梦；更遑论海量数据的获取与处理。本来抱着一腔热情，但很快就因为种种困难而半途而废。后来，这台 AI 主机也就退居二线，成了日常编译代码和办公的“工作机”，显卡基本上没有派上用场。

更要命的是，电脑硬件的贬值速度惊人。我曾写过一篇文章《哭死，几年前重金购买的 AI PC，竟然还比不上免费的云端 GPU 的算力》。随着越来越多的云服务器厂商进军 GPU 算力市场，选择 GPU 服务器的成本越来越低，如果不是有特别的需求，个人选择云服务器更何时。这台主机是在网上配的，拿到手之后才发现是塔式服务器机箱，我还第一次看到这么体积庞大笨重的PC主机。满载运行时 CPU 和 GPU 发热量巨大，同时风扇也呼呼直吹。测黑悟空时的噪音更是让人难以忍受。主机配置了 1250W 的电源，简直就是个“电老虎”，电费账单让人心惊。

今年，我购置了一台迷你主机，虽然集成显卡的算力差了一点，但也不是太差，加上 CPU 强劲，更适合用来做开发机。关于这台迷你主机，我写过一篇文章《一台迷你主机能做什么？编译程序、玩 3A 大作、跑本地大模型，样样都行》，感兴趣的读者可以看看。

老的 AI 主机的处境就比较尴尬了，其实这个配置到今天也不算落伍，用来编程、办公、看视频、打游戏都没问题。但它的体积太大，而且噪音大，散热差，电费高，实在不划算。眼睁睁看着它贬值也是心痛，于是，我就在二手网站上挂出了这台主机。挂出之后，有几位朋友出价 3000。去京东回收估价，还值个三千多，关键是省事，直接上门回收。于是，这台 AI 主机就这样在我这里结束了使命，等待着在另一处重生。

当时为了学习 AI，还买了一些书籍，这些书勉强看了一点，实在啃不动，现在更不会再去看了，扔掉也可惜，所以如果有哪位朋友需要，只用出个快递费。下面是书的清单：

1. 周志华 《机器学习》

周志华的《机器学习》（江湖人称“西瓜书”）堪称AI界的“九阴真经”，连楼下卖瓜大叔都能用它跟你唠两句算法！全书用“挑西瓜”的案例贯穿始终——色泽、根蒂、敲声成了破解高冷算法的通关密码，比如决策树秒变“鉴瓜宝典”，SVM化身“最优切瓜刀”。16章内容从入门到玄学，既有“幼儿园级”的西瓜分类教学，也有“修仙难度”的强化学习，还附赠“过拟合陷阱逃生指南”。网友锐评：“读前以为在学AI，读后发现自己在参悟《算法道德经》”！

这本书也是很多大学的教材，如果你想打好机器学习的根基，这本书是必读书目。

2. 《深度学习》

伊恩·古德费洛（Ian Goodfellow）与约书亚·本吉奥（Yoshua Bengio）、亚伦·库维尔（Aaron Courville）合著的《深度学习》被誉为AI领域的“圣经”，是深度学习领域的奠基性教材。

由三位顶尖专家撰写，涵盖从基础数学工具（线性代数、概率论）到前沿技术（如生成对抗网络GANs）的全套知识体系，被全球高校广泛采用。

我是彻底被这本书弄得完全没信心的，有句话怎么说的？一个个汉字和单词都认识，但连起来就都不认识。这本书可以命名为从深度学习到深度睡眠。如果你有失眠，这本书可能有奇效😜。

3. 《自然语言处理入门》

何晗的《自然语言处理入门》是一本面向初学者的实用指南，以“零基础也能上手”为核心理念，结合其开源项目HanLP的实战经验，将NLP的硬核知识转化为通俗易懂的教程。

本书从中文分词、词性标注等基础任务讲起，逐步深入到命名实体识别、文本分类、句法分析等核心领域，并通过对比不同算法的优缺点，帮助读者理解适用场景。所有案例均提供生产级代码（Java/Python双实现），可直接用于实际项目。

虽然书的介绍是面向初学者，但可能初学者在不同的人的定义不同，我连初学者也算不上。

4. 《机器学习实战》

这本书我还能看下去，因为这是一本以实践为导向的机器学习入门书籍，里面主要是代码实例，理论知识很少，适合希望通过代码快速掌握核心算法的开发者。

全书通过Python代码示例讲解算法，摒弃复杂的数学推导，采用“原理简述+实例+可运行代码”的模式，让读者边学边练。

当然，这本书只适合打基础，并没有涉及深度学习，面对越来越大的模型，这些机器学习的知识实难派上用场。

5. 基于浏览器的深度学习

这本书是面向实用领域的参考书，具体说来专注于在浏览器环境中实现深度学习应用，所以作用有限。

如果你正从事将Web开发与深度学习结合，有点作用。这本书介绍如何利用JavaScript框架（如TensorFlow.js、WebDNN、Keras.js）在浏览器中部署模型，实现跨平台、实时的AI应用。

不过大家都知道，这种偏向应用和具体框架的书很快会过时，现在 tfjs 已经迭代了好多版本。这边书只适合那些需要做毕业设计的同学参考，比如做点手势识别、文本生成、图像降噪等小项目，或者开发交互式AI应用（如在线教育批改、电商推荐系统）等。