前  言
近年来，深度学习已成为人工智能领域的研究热点之一。从人脸识别系统到无人自动驾驶汽车，从医疗影像诊断到语音识别，从自动机器翻译到网页内容智能推荐，都离不开深度学习的贡献。随着深度学习技术的飞速发展及其应用领域的不断拓展，越来越多的专家、学者开始关注深度学习的未来发展方向，并且投入深度学习的发展研究中，逐渐形成了特有的理论研究和学术发展方向。
深度学习技术的研究与应用，是我国深入开展人工智能领域研究、发展智能产业和智慧经济、实现智能制造、建设智能化社会的重要保证。本书旨在为对深度学习感兴趣并从事相关研究的本科生、研究生、工程师和研究人员提供必备的基础知识和Python实现方法。在内容编排方面，注重理论和实践的结合、基础知识和前沿技术的结合，并附有相关的应用及实战案例。希望读者通过阅读和学习本书，感受到从事深度学习相关研究的乐趣。
本书共分为8章。第1章主要讲解深度学习、神经网络及其发展历史，以及常用的深度学习框架及其编程环境的安装方法。第2章主要介绍机器学习相关的基础知识，包括机器学习算法的类型以及评价指标等。第3章讲述前馈神经网络模型、反向传播算法，以及自动梯度计算。第4章讲述卷积神经网络及其相关基础概念，包括图像卷积、填充和步幅、池化层等。第5章介绍一些现代卷积神经网络模型，有AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet等。第6章阐述可以处理序列信息的循环神经网络模型及其实现。第7章阐明神经网络优化和正则化的方法，包括数据预处理、超参数优化、网络正则化等。第8章列举3个基于Python的实战演练案例，包括MNIST手写数字分类的实现、车辆识别和人脸识别。
读者可以扫描插图右侧的二维码观看彩色插图。
本书第1章由郭彤颖、薛亚栋编写，第2章由薛亚栋、刘冬莉编写，第3章由薛亚栋、王海忱编写，第4章由薛亚栋、张辉编写，第5~7章由郭彤颖、薛亚栋编写，第8章由薛亚栋、李娜编写。
由于深度学习技术一直处于不断发展之中，再加上时间仓促、编者水平有限，难以全面、完整地对当前的研究前沿和热点问题一一进行探讨。书中难免存在不足和疏漏之处，敬请读者给予批评指正。


  作  者      
2021年12月    




                       

??

??

??



  

  


 Python语言简介