深度學(xué)習(xí)領(lǐng)域技術(shù)的飛速發(fā)展，給人們的生活帶來(lái)了很大改變。例如，智能語(yǔ)音助手能夠與人類無(wú)障礙地溝通，甚至在視頻通話時(shí)可以提供實(shí)時(shí)翻譯；將手機(jī)攝像頭聚焦在某個(gè)物體上，該物體的相關(guān)信息就會(huì)迅速地反饋給使用者；在購(gòu)物網(wǎng)站上瀏覽商品時(shí)，計(jì)算機(jī)也在同時(shí)分析著用戶的偏好，并及時(shí)個(gè)性化地推薦用戶可能感興趣的商品。原先以為只有人類才能做到的事，現(xiàn)在機(jī)器也能毫無(wú)差錯(cuò)地完成，甚至超越人類，這顯然與深度學(xué)習(xí)的發(fā)展密不可分，技術(shù)正引領(lǐng)人類社會(huì)走向嶄新的世界。
本書以深度學(xué)習(xí)為主題，將理論與簡(jiǎn)明實(shí)戰(zhàn)案例相結(jié)合，以加深讀者對(duì)于理論知識(shí)的理解。本書首先介紹深度學(xué)習(xí)領(lǐng)域的現(xiàn)狀，深度學(xué)習(xí)領(lǐng)域和其他領(lǐng)域技術(shù)之間的關(guān)系，以及它們的主要特點(diǎn)和適用范圍；接下來(lái)，詳細(xì)講解TensorFlow框架中的基本操作，并在講解深度學(xué)習(xí)理論知識(shí)的同時(shí)，提供完整、詳盡的實(shí)現(xiàn)過(guò)程，供讀者參考。相信讀者在閱讀完本書后，會(huì)對(duì)深度學(xué)習(xí)有全面而深刻的了解，同時(shí)具備相當(dāng)強(qiáng)的實(shí)踐能力。

全書共分為兩部分，包括17章內(nèi)容。
第1部分基礎(chǔ)篇涵蓋第1~8章。第1章深度學(xué)習(xí)簡(jiǎn)介，包括計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、強(qiáng)化學(xué)習(xí)； 第2章深度學(xué)習(xí)框架，包括Caffe、TensorFlow、PyTorch； 第3章機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)，包括模型評(píng)估與模型參數(shù)選擇、監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)； 第4章TensorFlow深度學(xué)習(xí)基礎(chǔ)，包括Tensor對(duì)象及其運(yùn)算，Tensor的索引和切片，Tensor的變換、拼接和拆分，TensorFlow的Reduction操作，三種計(jì)算圖，TensorFlow的自動(dòng)微分； 第5章回歸模型，包括線性回歸、Logistic回歸、用TensorFlow實(shí)現(xiàn)Logistic回歸； 第6章神經(jīng)網(wǎng)絡(luò)基礎(chǔ)，包括基礎(chǔ)概念、感知器、BP神經(jīng)網(wǎng)絡(luò)、Dropout正則化、批標(biāo)準(zhǔn)化； 第7章卷積神經(jīng)網(wǎng)絡(luò)與計(jì)算機(jī)視覺(jué)，包括卷積神經(jīng)網(wǎng)絡(luò)的基本思想、卷積操作、池化層、卷積神經(jīng)網(wǎng)絡(luò)、經(jīng)典網(wǎng)絡(luò)結(jié)構(gòu)、用TensorFlow進(jìn)行手寫數(shù)字識(shí)別； 第8章神經(jīng)網(wǎng)絡(luò)與自然語(yǔ)言處理，包括語(yǔ)言建模、基于多層感知器的架構(gòu)、基于循環(huán)神經(jīng)網(wǎng)絡(luò)的架構(gòu)、基于卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)、基于Transformer的架構(gòu)、表示學(xué)習(xí)與預(yù)訓(xùn)練技術(shù)。
第2部分實(shí)戰(zhàn)篇涵蓋第9~17章。第9章基于YOLO V3的安全帽佩戴檢測(cè)，包括數(shù)據(jù)準(zhǔn)備，模型構(gòu)建、訓(xùn)練和測(cè)試； 第10章基于ResNet的人臉關(guān)鍵點(diǎn)檢測(cè)，包括數(shù)據(jù)準(zhǔn)備、模型搭建與訓(xùn)練、模型評(píng)價(jià)； 第11章基于ResNet的花卉圖片分類，包括環(huán)境與數(shù)據(jù)準(zhǔn)備，模型構(gòu)建、訓(xùn)練和測(cè)試； 第12章基于U�睳et的細(xì)胞分割，包括細(xì)胞分割、基于U�睳et細(xì)胞分割的實(shí)現(xiàn)； 第13章基于DCGAN的MNIST數(shù)據(jù)生成，包括生成對(duì)抗網(wǎng)絡(luò)介紹、準(zhǔn)備工作、創(chuàng)建模型、損失函數(shù)和優(yōu)化器、定義訓(xùn)練循環(huán)、訓(xùn)練模型和輸出結(jié)果。第14章基于遷移學(xué)習(xí)的電影評(píng)論分類，包括遷移學(xué)習(xí)概述、IMDB數(shù)據(jù)集、構(gòu)建模型解決IMDB數(shù)據(jù)集分類問(wèn)題、模型訓(xùn)練和結(jié)果展示； 第15章基于LSTM的原創(chuàng)音樂(lè)生成，包括樣例背景介紹、項(xiàng)目結(jié)構(gòu)設(shè)計(jì)、實(shí)驗(yàn)步驟、成果檢驗(yàn)； 第16章基于RNN的文本分類，包括數(shù)據(jù)準(zhǔn)備、創(chuàng)建模型、訓(xùn)練模型、堆疊兩個(gè)或更多 LSTM 層； 第17章基于TensorFlowTTS 的中文語(yǔ)音合成，包括TTS簡(jiǎn)介、基于TensorFlowTTS 的語(yǔ)音合成實(shí)現(xiàn)。
附錄部分包括附錄A TensorFlow環(huán)境搭建和附錄B 深度學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)。
本書特色
(1) 內(nèi)容涵蓋深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ)講解，便于沒(méi)有高等數(shù)學(xué)基礎(chǔ)的讀者閱讀。
(2) 提供實(shí)際可運(yùn)行的代碼和讓讀者可以親自試驗(yàn)的學(xué)習(xí)環(huán)境。
(3) 對(duì)于誤差反向傳播法、卷積運(yùn)算等看起來(lái)很復(fù)雜的技術(shù)，幫助讀者在實(shí)現(xiàn)層面上理解。
(4) 介紹流行的技術(shù)(如Batch Normalization)并進(jìn)行實(shí)現(xiàn)。
(5) 提供真實(shí)的案例、完整的構(gòu)建過(guò)程以及相應(yīng)源代碼，使讀者能完整感受完成深度學(xué)習(xí)項(xiàng)目的過(guò)程。
配套資源
為便于教與學(xué)，本書配有210分鐘微課視頻、源代碼、數(shù)據(jù)集、教學(xué)課件、教學(xué)大綱。
（1） 獲取微課視頻方式： 讀者可以先掃描本書封底的文泉云盤防盜碼，再掃描書中相應(yīng)的視頻二維碼，觀看教學(xué)視頻。
（2） 其他配套資源可以掃描本書封底的書圈二維碼，關(guān)注后回復(fù)本書的書號(hào)，即可下載。

讀者對(duì)象
本書適合Python深度學(xué)習(xí)初學(xué)者、機(jī)器學(xué)習(xí)算法分析從業(yè)人員以及全國(guó)高等學(xué)校計(jì)算機(jī)科學(xué)、軟件工程等相關(guān)專業(yè)的師生閱讀。
參與本書編寫的有呂云翔、王志鵬、劉卓然、歐陽(yáng)植昊、郭志鵬、王淥汀、閆坤、杜宸洋、關(guān)捷雄、華昱云、陳妙然，同時(shí)曾洪立參與了部分內(nèi)容的編寫并完成了素材整理及配套資源制作等工作。
由于編者水平和能力有限，書中難免有疏漏之處，懇請(qǐng)各位同行和廣大讀者批評(píng)指正。

編者2022年4月