前言

1.本書的由來

本書的前言可能有點長，因為這是我和大家的第一次見面，我希望可以把關于我和這本書的故事講清楚，讓大家對我有一個更好的了解，說不定哪天我們會成為朋友。

大約在3年前的某個下午，電子工業出版社的張迪編輯聯系到我，讓我寫一本關于人工智能的書。第一次有人找我寫書，不免有些小激動，想象中寫書是一件很酷的事情，真正寫的時候才知道寫書是一件很苦的事情。

我最早是從2015年開始接觸人工智能技術的，公司內部剛好需要開發人工智能相關的產品。當時谷歌的深度學習框架Tensorflow都還沒有開源，我主要是學習了一些機器學習相關的算法和應用。隨著Tensorflow在2015年11月開源，AlphaGo在2016年3月戰勝人類頂級圍棋選手，我知道新的人工智能時代就要到來了。2016年，我學習了當時最熱門的兩個深度學習框架Tensorflow和Caffe，并用這兩個框架完成了公司里面的一些深度學習項目。

當時市面上關于深度學習的書籍和學習資料非常少，所以在2017年的時候我錄制了一些深度學習相關的視頻教程放到了網上，就有了后來出版社找我寫書的故事。差不多每個月都會有出版社的人聯系我出書，我才知道原來獲得出書的機會不難，真正難的是認真堅持把一本書寫好。這本書歷時3年，但也不是真的寫了3年，寫的過程中斷斷續續也暫停了很多次。我估算了一下真正寫書的時間大概是用了1000個小時。

最近三年我做了很多場人工智能的線下培訓，給中國移動、中國電信、中國銀行、華夏銀行、太平洋保險、國家電網、中海油、格力電器等企業，以及多個研究所的科研人員和多個高校的老師上過課，大家學完后的反饋基本上都是挺好的。本書的內容也算是我的教學經驗的一個總結。同時這幾年我也給學校、醫院、企業、氣象局完成過多項人工智能項目。我覺得一個好的AI技術傳播者應該同時具備一線技術人員的開發經驗和豐富的實際教學經驗。

2.人工智能的學習

這里想跟大家簡單聊一下關于人工智能的學習。人工智能是一門需要“內外兼修”的學科，既要修煉外功招式，又要進行內功修行。這里的外功招式主要指的是使用編程語言去實現一些人工智能的算法，完成一些落地應用；而內功修行指的是對算法理論的理解。

很多時候武功招式是很容易學的，可以短時間內快速提升，但同時也很容易達到一定的上限。如果想要突破上限更進一步，就要把內功給修煉好。所以我們在學習人工智能相關技術的時候，應盡量把相關算法的理論理解清楚，同時要多寫代碼，提高編程能力，并在實踐過程中加深對算法的理解。

3.本書的特色

本書的脈絡框架主要是根據深度學習知識由淺入深的發展來編寫的，對于Tensorflow的使用技巧基本上不會單獨講解，而是會結合深度學習理論知識或實際應用案例來講解。所以很多Tensorflow的使用技巧在目錄上可能沒有得到很好的體現，這些Tensorflow使用技巧的彩蛋在書里的程序中等著大家發現哦！相信大家看完這本書以后就可以熟練掌握Tensorflow的使用了。

本書是一本“內外兼修”的書，既包含詳細的算法理論的介紹，又包括詳細的代碼講解。我一直在思考人工智能技術的教學方式，所以也形成了自己的教學風格和對教育的理解。這一套方式方法收到過很多同學的積極反饋，但也不一定適合所有人。我覺得不同的教學風格就像是不同類型的音樂，每個人喜歡的音樂類型可能都會不一樣。AI教育的發展需要各種類型的教學方式百花齊放。

本書的主要特色總結如下。

（1）所有公式推導都有詳細步驟，并解釋每個符號。數學公式是算法的根本，要理解算法的本質，就要理解數學公式的含義，所以掌握一些基礎的與深度學習相關的數學內容也是很重要的。大家看到數學一般都會比較頭痛，所以本書中的所有數學公式都會列出詳細推導步驟，并解釋每個相關符號的含義，幫助大家理解。

（2）注釋每一行代碼。我一直覺得我在教學中使用的代碼具有一定的個人風格，代碼邏輯結構清晰，程序在容易理解的基礎上盡量精簡，最大的特點可能就是注釋比代碼多。我給這種代碼風格起個名字吧，這樣以后一說大家就知道了，就起個直白的名字，叫作“全注釋代碼”。我覺得對于初學者而言，最好是可以理解每一行代碼、每個函數、函數中所使用的每個參數，這樣學習會感覺比較扎實。所以本書中的所有代碼都是全注釋代碼。

（3）程序皆為完整程序。本書一共82個代碼應用案例，所有的代碼都是可以從頭到尾運行的完整程序，并附帶真實的運行結果，不存在程序片段樣例。我覺得程序片段對于初學者的學習不太友好，大家拿到一個程序片段往往還是不知道如何使用，或者用起來的時候出現很多錯誤，所以我在書中使用的所有程序都是可以從頭到尾直接運行的完整程序。

（4）一圖勝千言。深度學習中的很多模型結構、計算流程之類的內容很難用公式或者語言表達清楚，但往往一張好的圖片就可以說明一切。本書一共使用了約500張圖片，在本書的創作過程中，大約有200個小時花在畫圖，以及思考如何畫圖上。

（5）邏輯結構清晰，講解細致。這個不需要多介紹，大家看的時候就知道了。

4.免費配套學習視頻——我的B站

本書免費配套學習視頻可以到我的B站主頁查找。另外，我的B站中還有大量Python、機器學習、深度學習、計算機視覺、論文講解的學習視頻：

https://space.bilibili.com/390756902

如果大家覺得我創作的內容不錯，可以幫我多多宣傳，感謝！

5.勘誤和支持

本書很多思想和知識體系都是我基于自己的理解建立的，由于本人水平有限，本書一定存在不少理解不當或者不準確的地方，懇請大家批評指正。如果大家有更多寶貴意見，歡迎發送郵件至郵箱qinbf＠ai-xlab.com，或者到我的Github留言：https://github.com/Qinbf/Deep-Learning-Tensorflow2/issues。期待大家的真摯反饋和支持。

6.致謝

在本書的撰寫和研究期間，感謝我的妻子劉露斯對我的支持和鼓勵。感謝我的朋友王惠東對本書部分章節的校閱。感謝電子工業出版社張迪編輯的耐心等待，感謝出版社對本書的耐心修訂和整理。最后感謝各位讀者朋友選擇了這本書，感謝大家的信任。

覃秉豐

2021年5月于上海