前言
深度学习领域技术的飞速发展,给人们的生活带来了很大改变。例如,智能语音助手能够与人类无障碍地沟通,甚至在视频通话时可以提供实时翻译;将手机摄像头聚焦在某个物体上,该物体的相关信息就会迅速地反馈给使用者;在购物网站上浏览商品时,计算机也在同时分析着用户的偏好,并及时个性化地推荐用户可能感兴趣的商品。原先以为只有人类才能做到的事,现在机器也能毫无差错地完成,甚至超越人类,这显然与深度学习的发展密不可分,技术正引领人类社会走向崭新的世界。
本书以深度学习为主题,将理论与简明实战案例相结合,以加深读者对于理论知识的理解。本书首先介绍深度学习领域的现状,深度学习领域和其他领域技术之间的关系,以及它们的主要特点和适用范围;接下来,详细讲解TensorFlow框架中的基本操作,并在讲解深度学习理论知识的同时,提供完整、详尽的实现过程,供读者参考。相信读者在阅读完本书后,会对深度学习有全面而深刻的了解,同时具备相当强的实践能力。

全书共分为两部分,包括17章内容。
第1部分基础篇涵盖第1~8章。第1章深度学习简介,包括计算机视觉、自然语言处理、强化学习; 第2章深度学习框架,包括Caffe、TensorFlow、PyTorch; 第3章机器学习基础知识,包括模型评估与模型参数选择、监督学习与非监督学习; 第4章TensorFlow深度学习基础,包括Tensor对象及其运算,Tensor的索引和切片,Tensor的变换、拼接和拆分,TensorFlow的Reduction操作,三种计算图,TensorFlow的自动微分; 第5章回归模型,包括线性回归、Logistic回归、用TensorFlow实现Logistic回归; 第6章神经网络基础,包括基础概念、感知器、BP神经网络、Dropout正则化、批标准化; 第7章卷积神经网络与计算机视觉,包括卷积神经网络的基本思想、卷积操作、池化层、卷积神经网络、经典网络结构、用TensorFlow进行手写数字识别; 第8章神经网络与自然语言处理,包括语言建模、基于多层感知器的架构、基于循环神经网络的架构、基于卷积神经网络的架构、基于Transformer的架构、表示学习与预训练技术。
第2部分实战篇涵盖第9~17章。第9章基于YOLO V3的安全帽佩戴检测,包括数据准备,模型构建、训练和测试; 第10章基于ResNet的人脸关键点检测,包括数据准备、模型搭建与训练、模型评价; 第11章基于ResNet的花卉图片分类,包括环境与数据准备,模型构建、训练和测试; 第12章基于UNet的细胞分割,包括细胞分割、基于UNet细胞分割的实现; 第13章基于DCGAN的MNIST数据生成,包括生成对抗网络介绍、准备工作、创建模型、损失函数和优化器、定义训练循环、训练模型和输出结果。第14章基于迁移学习的电影评论分类,包括迁移学习概述、IMDB数据集、构建模型解决IMDB数据集分类问题、模型训练和结果展示; 第15章基于LSTM的原创音乐生成,包括样例背景介绍、项目结构设计、实验步骤、成果检验; 第16章基于RNN的文本分类,包括数据准备、创建模型、训练模型、堆叠两个或更多 LSTM 层; 第17章基于TensorFlowTTS 的中文语音合成,包括TTS简介、基于TensorFlowTTS 的语音合成实现。
附录部分包括附录A TensorFlow环境搭建和附录B 深度学习的数学基础。
本书特色
(1) 内容涵盖深度学习数学基础讲解,便于没有高等数学基础的读者阅读。
(2) 提供实际可运行的代码和让读者可以亲自试验的学习环境。
(3) 对于误差反向传播法、卷积运算等看起来很复杂的技术,帮助读者在实现层面上理解。
(4) 介绍流行的技术(如Batch Normalization)并进行实现。
(5) 提供真实的案例、完整的构建过程以及相应源代码,使读者能完整感受完成深度学习项目的过程。
配套资源
为便于教与学,本书配有210分钟微课视频、源代码、数据集、教学课件、教学大纲。
(1) 获取微课视频方式: 读者可以先扫描本书封底的文泉云盘防盗码,再扫描书中相应的视频二维码,观看教学视频。
(2) 其他配套资源可以扫描本书封底的“书圈”二维码,关注后回复本书的书号,即可下载。

读者对象
本书适合Python深度学习初学者、机器学习算法分析从业人员以及全国高等学校计算机科学、软件工程等相关专业的师生阅读。
参与本书编写的有吕云翔、王志鹏、刘卓然、欧阳植昊、郭志鹏、王渌汀、闫坤、杜宸洋、关捷雄、华昱云、陈妙然,同时曾洪立参与了部分内容的编写并完成了素材整理及配套资源制作等工作。
由于编者水平和能力有限,书中难免有疏漏之处,恳请各位同行和广大读者批评指正。

编者2022年4月