前言

人工智能（Artificial Intelligence，AI）最早出現(xiàn)在20 世紀50 年代，以感知機（第一代神經(jīng)網(wǎng)絡(luò)）、專家系統(tǒng)為典型代表。1980—2005 年是第二代神經(jīng)網(wǎng)絡(luò)的發(fā)展時期和統(tǒng)計學(xué)習(xí)方法的“春天”。深度學(xué)習(xí)出現(xiàn)于2006 年，并于2012 年迎來了爆發(fā)期。2012年，Hinton 課題組為了證明深度學(xué)習(xí)的潛力，首次參加了ImageNet 圖像識別比賽，并憑借自己構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)（CNN）AlexNet 一舉奪得冠軍，該方法在性能上碾壓排在第二名的SVM 方法。也正是由于這次比賽，CNN 引起了眾多研究者的注意。CNN可以代替人工提取特征，用于圖像分類識別。

深度學(xué)習(xí)火熱發(fā)展的重要原因之一就是，人們把提取特征的工作交給了人工神經(jīng)網(wǎng)絡(luò)，讓 “人工智能” 更多地代替人工。軟件算法的突破伴隨著硬件升級，兩者共同推動人工智能在各個領(lǐng)域的滲透，形成各種 “AI+” 領(lǐng)域應(yīng)用，如AI+家居、AI+零售、AI+交通、AI+診療、AI+教育、AI+物流、AI+安防等。

如今，以人工智能為代表的第四次工業(yè)革命已經(jīng)到來，相關(guān)的創(chuàng)新應(yīng)用為人們的工作和生活帶來了巨大的便利。與此同時，人工智能應(yīng)用程序的開發(fā)門檻大大降低。谷歌推出的TensorFlow 是目前主流的深度學(xué)習(xí)框架，本書以TensorFlow 為切入點，介紹人工智能的基本思想和編程實現(xiàn)?；赥ensorFlow 靈活的架構(gòu)，用戶可以在多種平臺上展開相關(guān)計算。從名稱即可看出TensorFlow 的基本原理：Tensor（張量）代表數(shù)組，圖像、語音等數(shù)據(jù)都能用張量的形式表示；Flow（流）代表基于數(shù)據(jù)流圖的計算。TensorFlow 的工作過程就是將圖像、語音等以張量的形式傳輸至人工神經(jīng)網(wǎng)絡(luò)中進行分析和處理的過程。

本書由周倩負責(zé)第1、4、5 章的編寫，馮高峰負責(zé)第2、3、6 章的編寫，賈連芹負責(zé)第7、8 章的編寫。圖書從TensorFlow 環(huán)境搭建入手，逐步介紹如何用TensorFlow 進行線性回歸模型、卷積神經(jīng)網(wǎng)絡(luò)的搭建、訓(xùn)練和預(yù)測，涉及PC、Android移動終端、樹莓派等平臺。本書內(nèi)容由淺入深，旨在揭開TensorFlow 神秘的面紗，探索人工智能的奧秘。

編者