前言

作為最主流的深度學習框架，TensorFlow發(fā)布至今的三年里，引領(lǐng)了深度學習和人工智能領(lǐng)域的全面發(fā)展和成長壯大。它的出現(xiàn)使得深度學習的學習門檻被大大降低，不僅是數(shù)據(jù)專家，就連普通的程序設(shè)計人員，甚至相關(guān)專業(yè)的學生都可以用它來開發(fā)新的AI程序而不需要深厚的編程功底。

本書主要講述使用TensorFlow 2.0學習卷積神經(jīng)網(wǎng)絡和開發(fā)對應的深度學習應用，是一本面向初級和中級讀者的優(yōu)秀教程。通過本書的學習，讀者能夠掌握卷積神經(jīng)網(wǎng)絡的基本內(nèi)容和TensorFlow框架下深度學習的知識要點，以及從模型的構(gòu)建到應用程序的編寫一整套的應用技巧。

本書特色

1. 版本新，易入門

本書詳細介紹了TensorFlow 2.0的安裝和使用，以及使用TensorFlow 2.0官方所推薦的Keras編程方法與技巧。

2. 作者經(jīng)驗豐富，代碼編寫細膩

作者是長期奮戰(zhàn)在科研和工業(yè)界的一線算法設(shè)計和程序編寫人員，實戰(zhàn)經(jīng)驗豐富，對代碼中可能會出現(xiàn)的各種問題和“坑”有著豐富的處理經(jīng)驗，使得讀者能夠少走很多彎路。

3. 理論扎實，深入淺出

在代碼設(shè)計的基礎(chǔ)上，本書還深入淺出地介紹了深度學習需要掌握的一些基本理論知識，作者通過大量的公式與圖示結(jié)合的方式對深度學習理論做了介紹，是一本難得的好書。

4. 對比多種應用方案，實戰(zhàn)案例豐富

本書采用了大量的實例，同時也提供了一些實現(xiàn)同類功能的其他解決方案，覆蓋了卷積神經(jīng)網(wǎng)絡使用TensorFlow進行深度學習開發(fā)中常用的知識。

本書內(nèi)容及知識體系

本書基于TensorFlow 2.0的新架構(gòu)模式和框架，完整介紹TensorFlow 2.0使用方法和一些進階用法，主要內(nèi)容如下：

第1章詳細介紹了TensorFlow 2.0的安裝方法以及對應的運行環(huán)境的安裝，并通過一個簡單的例子驗證TensorFlow 2.0的安裝效果。本章還介紹了TensorFlow 2.0硬件的采購。請記住，一塊能夠運行TensorFlow 2.0 GPU版本的顯卡能讓你的學習事半功倍。

第2章是本書的重點，從Eager的引入開始，介紹了TensorFlow 2.0的編程方法和步驟，包括結(jié)合Keras進行TensorFlow 2.0模型設(shè)計的完整步驟，以及自定義層的方法。本章的內(nèi)容看起來很簡單，但卻是本書的基礎(chǔ)和核心精華，讀者一定要反復閱讀，認真掌握所有內(nèi)容和代碼的編寫。

第3章是TensorFlow 2.0的理論部分，介紹了反饋神經(jīng)網(wǎng)絡的實現(xiàn)及其最核心的兩個算法，作者通過圖示結(jié)合理論公式的方式詳細介紹了反饋神經(jīng)網(wǎng)絡理論和原理，并全手動實現(xiàn)了一個反饋神經(jīng)網(wǎng)絡。

第4章詳細介紹了卷積神經(jīng)網(wǎng)絡的原理及其各個模型的使用和自定義內(nèi)容，講解了借助卷積神經(jīng)網(wǎng)絡（CNN）算法構(gòu)建一個簡單的CNN模型進行MNIST數(shù)字識別。使用卷積神經(jīng)網(wǎng)絡來識別物體是深度學習的一個經(jīng)典內(nèi)容，本章和第2章同為本書的重點內(nèi)容，能夠極大地幫助讀者掌握TensorFlow 2.0框架的使用和程序的編寫。

第5章是TensorFlow 2.0數(shù)據(jù)讀寫部分，詳細介紹了使用TensorFlow 2.0自帶的Dataset API對數(shù)據(jù)的序列化存儲，并簡明講解數(shù)據(jù)重新讀取和調(diào)用的程序編寫方法。

第6章介紹了ResNet的基本思想和內(nèi)容，ResNet是一個具有里程碑性質(zhì)的框架，標志著粗獷的卷積神經(jīng)網(wǎng)絡設(shè)計向著精確化和模塊化的方向轉(zhuǎn)化。ResNet本身的程序編寫非常簡單，但是其中蘊含的設(shè)計思想?yún)s是跨越性的。

第7章講解的內(nèi)容是未來的發(fā)展方向，具有“注意力”的多種新型網(wǎng)絡模型。在不同的維度和方向上加上“注意力”，這是需要讀者在學習中加上所有注意力的地方。

實際上，除了傳統(tǒng)的圖像處理之外，使用卷積神經(jīng)網(wǎng)絡還能夠?qū)ξ谋具M行分類，這一般采用的是循環(huán)神經(jīng)網(wǎng)絡。在第8章中我們介紹了使用經(jīng)典的卷積神經(jīng)網(wǎng)絡來解決文本分類的問題，同時讀者也可以將其引申到更多的序列化問題，這也是未來深度學習研究的方向。

示例源碼下載

本書示例源碼下載地址請掃描右邊二維碼獲得。

如果有問題、建議或者疑問，請聯(lián)系booksaga@163.com，郵件主題為“TensorFlow 2.0卷積神經(jīng)網(wǎng)絡實戰(zhàn)”。

適合閱讀本書的讀者

●人工智能、深度學習、機器學習初學者

●高等院校和培訓學校人工智能相關(guān)專業(yè)的師生

●其他對智能化、自動化感興趣的開發(fā)者

著者

2020年1月