如何閱讀本書

以下部分包含一些信息和建議，方便讀者閱讀本書，并幫助讀者從其他材料中受益。

下載并運行示例代碼文件

本書不僅對TensorFlow 2和先進(jìn)的計算機(jī)視覺方法進(jìn)行了深入探討，還提供了大量的示例及其完整實現(xiàn)。

本書的示例代碼可以從http://www.packtpub.com通過個人賬號下載，也可以訪問華章圖書官網(wǎng)http://www.hzbook.com，通過注冊并登錄個人賬號下載。

本書的代碼包也托管在GitHub上，地址是https://github.com/PacktPublishing/Hands-On-Computer-Vision-with-TensorFlow-2。如果代碼有更新，現(xiàn)有的GitHub存儲庫也會隨之更新。

研究并運行實驗

Jupyter Notebook（https://jupyter.org）是一個用于創(chuàng)建和共享Python腳本、文本信息、可視化結(jié)果、方程式等的開源Web應(yīng)用程序。我們把隨書提供的詳細(xì)代碼、預(yù)期結(jié)果和補(bǔ)充說明文件稱為Jupyter Notebook。每一個Jupyter Notebook都包含一個具體的計算機(jī)視覺任務(wù)。例如，一個Notebook解釋了如何訓(xùn)練CNN在圖像中檢測動物，另一個則詳細(xì)介紹了建立自動駕駛汽車識別系統(tǒng)的所有步驟，等等。

正如我們將在下面看到的，你可以直接研究這些文檔，也可以將它們用作代碼段來運行和重現(xiàn)書中介紹的實驗。

在線學(xué)習(xí)Jupyter Notebook

如果只是想瀏覽一下提供的代碼和結(jié)果，那么可以直接在本書的GitHub存儲庫中訪問它們。事實上，GitHub能夠渲染Jupyter Notebook并將其顯示為靜態(tài)網(wǎng)頁。

但是，GitHub查看器會忽略一些樣式和交互內(nèi)容。為了獲得最佳的在線觀看體驗，建議使用Jupyter nbviewer（https://nbviewer.jupyter.org），這是一個官方的網(wǎng)絡(luò)平臺，可以用來閱讀上傳至網(wǎng)上的Jupyter Notebook。通過這個網(wǎng)站可以查詢存儲在GitHub存儲庫中的Notebook，因此，所提供的Jupyter Notebook也可以通過https://nbviewer.jupyter.org/github/PacktPublishing/Hands-On-Computer-Vision-with-TensorFlow-2閱讀。

在你自己的計算機(jī)上運行Jupyter Notebook

要在你自己的計算機(jī)上閱讀或運行這些文檔，首先要安裝Jupyter Notebook。對于那些已經(jīng)使用Anaconda（https://www.anaconda.com）來管理和部署Python環(huán)境（本書推薦這種方式）的用戶，Jupyter Notebook應(yīng)該是可以直接使用的（因為它安裝在Anaconda中）。對于那些使用其他Python發(fā)行版和不熟悉Jupyter Notebook的用戶，建議查看一下說明文檔，其中提供了安裝說明和教程（https://jupyter.org/documentation）。

安裝了Jupyter Notebook之后，導(dǎo)航到包含本書代碼文件的目錄，打開終端，并執(zhí)行以下命令：

應(yīng)該會在默認(rèn)瀏覽器中打開Web界面，現(xiàn)在，就應(yīng)該能夠瀏覽目錄并打開本書提供的Jupyter Notebook了，可以閱讀、執(zhí)行或編輯它們。

部分文檔包含較高級的實驗，可能需要大量的計算資源（比如在大型數(shù)據(jù)集上訓(xùn)練識別算法）。如果沒有適當(dāng)?shù)募铀儆布ㄒ簿褪钦f，如果沒有兼容的NVIDIA GPU，參見第2章），運行這些腳本可能需要數(shù)小時甚至數(shù)天（即使有兼容的GPU，運行最先進(jìn)的實例也可能需要相當(dāng)長的時間）。

用谷歌Colab運行Jupyter Notebook

對于那些希望自己運行Jupyter Notebook，或者嘗試新實驗，但又無法使用足夠強(qiáng)大的計算機(jī)的用戶，建議使用名為Colaboratory的谷歌Colab（https://colab.research.google.com）。它是一個基于云的Jupyter Notebook，由谷歌提供，以便在強(qiáng)大的計算機(jī)上運行計算密集型腳本。你可以在GitHub存儲庫中找到關(guān)于此服務(wù)的更多細(xì)節(jié)。