基于TensorFlow2，系統(tǒng)講述如何搭建、訓(xùn)練和應(yīng)用深度學(xué)習(xí)模型。

本書(shū)基于使用Python語(yǔ)言的TensorFlow深度學(xué)習(xí)框架進(jìn)行講解，幫助你快速入門(mén)。

（1）大量圖例，簡(jiǎn)單易懂。作者親自繪制了大量插圖，力求還原深度學(xué)習(xí)的算法思想，分解和剖析晦澀的算法，用圖例來(lái)表示復(fù)雜的問(wèn)題。生動(dòng)的圖例也能給讀者帶來(lái)閱讀樂(lè)趣，快樂(lè)地學(xué)習(xí)算法知識(shí)，體會(huì)深度學(xué)習(xí)的算法本質(zhì)。 （2）簡(jiǎn)化公式，生動(dòng)比喻。深度學(xué)習(xí)和機(jī)器學(xué)習(xí)類(lèi)的書(shū)中通常會(huì)有大量復(fù)雜冗長(zhǎng)的算法公式，為了避免出現(xiàn)讀者讀不懂的情況，本書(shū)盡可能地統(tǒng)一了公式和符號(hào)，簡(jiǎn)化相關(guān)公式，并加以生動(dòng)的比喻進(jìn)行解析。在啟發(fā)讀者的同時(shí)，鍛煉讀者分析問(wèn)題和解決問(wèn)題的能力。 （3）算法原理，代碼實(shí)現(xiàn)。在介紹深度學(xué)習(xí)及相關(guān)算法的原理時(shí)，不僅給出了對(duì)應(yīng)的公式，還給出了實(shí)現(xiàn)和求解公式的代碼，讓讀者明確該算法的作用、輸入和輸出。原理與代碼相結(jié)合，使得讀者對(duì)深度學(xué)習(xí)的算法實(shí)現(xiàn)更加具有親切感。 （4）深入淺出，精心剖析。理解深度學(xué)習(xí)需要一定的機(jī)器學(xué)習(xí)知識(shí)，本書(shū)在D1章介紹了深度學(xué)習(xí)與機(jī)器學(xué)習(xí)的關(guān)系，并簡(jiǎn)要介紹了機(jī)器學(xué)習(xí)的內(nèi)容。在內(nèi)容安排上，每章依次介紹模型框架的應(yīng)用場(chǎng)景、結(jié)構(gòu)和使用方式，最后通過(guò)真實(shí)的案例去全面分析該模型結(jié)構(gòu)。目的是讓讀者可以抓住深度學(xué)習(xí)的本質(zhì)。 （5）入門(mén)實(shí)踐，案例重現(xiàn)。每一章最后的真實(shí)案例不是直接堆砌代碼，而是講解使用該算法模型的原因和好處。從簡(jiǎn)單的背景知識(shí)出發(fā)，使用前文講解過(guò)的深度學(xué)習(xí)知識(shí)實(shí)現(xiàn)一個(gè)實(shí)際的工程項(xiàng)目。實(shí)踐可以用于及時(shí)檢驗(yàn)讀者對(duì)所學(xué)知識(shí)的掌握程度，為讀者奠定深度學(xué)習(xí)的實(shí)踐基礎(chǔ)。 將一本技術(shù)書(shū)籍寫(xiě)得通俗易懂談何容易，但《深度學(xué)習(xí)原理與實(shí)踐》這本書(shū)確實(shí)做到了。書(shū)中對(duì)近年來(lái)火熱的深度學(xué)習(xí)理論知識(shí)進(jìn)行簡(jiǎn)單剖析，化繁為簡(jiǎn)，沒(méi)有局限于坐而論道，而是將實(shí)例和數(shù)學(xué)理論相結(jié)合，讓讀者能夠快速理解各種模型并上手實(shí)踐，值得細(xì)讀。 --唐春明　廣州大學(xué)數(shù)學(xué)與信息學(xué)科學(xué)院副院長(zhǎng) 本書(shū)從原理、方法、實(shí)踐這 3 個(gè)維度系統(tǒng)地介紹了深度學(xué)習(xí)的方方面面，內(nèi)容詳實(shí)，解讀清晰，細(xì)節(jié)與全貌兼顧，既適合初學(xué)者閱讀，也可以作為深入研究的參考用書(shū)。 --楊剛　西安電子科技大學(xué)教授 近年來(lái)出版的深度學(xué)習(xí)相關(guān)圖書(shū)中，本書(shū)是我見(jiàn)過(guò)非常有指導(dǎo)意義的中文書(shū)籍之一。本書(shū)對(duì) ANN、CNN、RNN 等模型進(jìn)行深入淺出的介紹，引入大量圖例和簡(jiǎn)化后的公式，讓算法淺顯易懂。每一章的實(shí)踐內(nèi)容都給人驚喜，強(qiáng)烈推薦！ --吳健之　騰訊音樂(lè)高級(jí)工程師 作為產(chǎn)品經(jīng)理，我能看懂的深度學(xué)習(xí)書(shū)籍實(shí)在太少了。本書(shū)恰到好處，插圖豐富直觀，數(shù)學(xué)公式簡(jiǎn)練，很喜歡此類(lèi)風(fēng)格的圖書(shū)，易懂好學(xué)。即使你不是程序員或算法專家，該書(shū)也值得一看！ --張瑞　中軟國(guó)際高級(jí)產(chǎn)品經(jīng)理

本書(shū)主要講解深度學(xué)習(xí)和TensorFlow的實(shí)戰(zhàn)知識(shí)，全書(shū)分為10章，主要內(nèi)容如下：第1章為深度學(xué)習(xí)概述，包括深度學(xué)習(xí)的基礎(chǔ)知識(shí)、深度學(xué)習(xí)的生產(chǎn)力實(shí)現(xiàn)—TensorFlow、數(shù)據(jù)模型、TensorFlow項(xiàng)目介紹、TensorFlow工作環(huán)境的安裝與運(yùn)行；第2章為機(jī)器學(xué)習(xí)概述，講解機(jī)器學(xué)習(xí)的定義、任務(wù)、性能、經(jīng)驗(yàn)、學(xué)習(xí)算法、線性回歸實(shí)例和TensorFlow的完整運(yùn)行腳本；第3章介紹從生物神經(jīng)元到

本書(shū)是深度學(xué)習(xí)領(lǐng)域的入門(mén)教材，全面闡述了深度學(xué)習(xí)的知識(shí)體系，涵蓋人工智能的基礎(chǔ)知識(shí)以及深度學(xué)習(xí)的基本原理、模型、方法和實(shí)踐案例，使讀者掌握深度學(xué)習(xí)的相關(guān)知識(shí)，提高以深度學(xué)習(xí)方法解決實(shí)際問(wèn)題的能力。全書(shū)內(nèi)容包括人工智能基礎(chǔ)、機(jī)器學(xué)習(xí)基礎(chǔ)、深度學(xué)習(xí)主要框架、深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、自編碼器與生成對(duì)抗網(wǎng)絡(luò)。

飛槳PaddlePaddle是百度推出的深度學(xué)習(xí)框架，不僅支撐了百度公司的很多業(yè)務(wù)和應(yīng)用，而且隨著其開(kāi)源過(guò)程的推進(jìn)，在其他行業(yè)得到普及和應(yīng)用。 本書(shū)基于2019年7月4日發(fā)布的飛槳PaddlePaddle Fluid 1.5版本（后續(xù)版本會(huì)兼容舊版本），以真實(shí)案例介紹如何應(yīng)用飛槳PaddlePaddle解決主流的深度學(xué)習(xí)問(wèn)題。 本書(shū)適合對(duì)人工智能感興趣的學(xué)生、從事機(jī)器學(xué)習(xí)相關(guān)工作的讀者閱讀，尤其適合想要通過(guò)飛槳PaddlePaddle掌握深度學(xué)習(xí)應(yīng)用技術(shù)的研究者和從業(yè)者參考。 本書(shū)包括以下內(nèi)容： ● 飛槳PaddlePaddle 的核心設(shè)計(jì)思想； ● PaddlePaddle在MNIST上進(jìn)行手寫(xiě)數(shù)字識(shí)別； ● 圖像分類(lèi)網(wǎng)絡(luò)實(shí)現(xiàn)案例； ● “天網(wǎng)”中目標(biāo)檢測(cè)和像素級(jí)物體分割的實(shí)現(xiàn)； ● NLP技術(shù)應(yīng)用案例 ：word2vec、情感分析、語(yǔ)義角色標(biāo)注及機(jī)器翻譯； ● Paddle-Mobile與Anakin框架等高級(jí)主題； ● 飛槳PaddlePaddle與TensorFlow、Caffe框架的常用層對(duì)比。

本書(shū)內(nèi)容包括TensorFlow在Windows操作系統(tǒng)、Linux操作系統(tǒng)、macOS下的安裝，TensorFlow靜態(tài)圖、動(dòng)態(tài)圖、損失函數(shù)、優(yōu)化器等基礎(chǔ)語(yǔ)法，k均值、k近鄰、樸素貝葉斯、決策樹(shù)、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)、線性回歸、邏輯回歸、決策樹(shù)回歸等機(jī)器學(xué)習(xí)算法，分類(lèi)、檢測(cè)、檢索、光學(xué)字符識(shí)別等圖像處理技術(shù)，中文分詞、命名實(shí)體識(shí)別等自然語(yǔ)言處理技術(shù)，TensorFlow高階應(yīng)用等。

本書(shū)以深度學(xué)習(xí)的常用技術(shù)與TensorFlow2真實(shí)案例相結(jié)合的方式，深入淺出地介紹TensorFlow2實(shí)現(xiàn)深度學(xué)習(xí)的重要內(nèi)容。全書(shū)共7章，分為基礎(chǔ)篇（第1～3章）和實(shí)戰(zhàn)篇（第4～7章），基礎(chǔ)篇內(nèi)容包括深度學(xué)習(xí)概述、TensorFlow2快速入門(mén)、深度神經(jīng)網(wǎng)絡(luò)原理及實(shí)現(xiàn)等基礎(chǔ)知識(shí)；實(shí)戰(zhàn)篇內(nèi)容包括4個(gè)案例，分別為基于CNN的門(mén)牌號(hào)識(shí)別、基于LSTM網(wǎng)絡(luò)的語(yǔ)音識(shí)別、基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換