深度学习框架应用开发

深度学习（DL，DeepLearning）是机器学习（ML，MachineLearning）领域中一个新的研究方向，通过学习样本数据的内在规律和表示层次，实现机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。在开始深度学习项目之前，选择一个合适的框架能起到事半功倍的作用。全世界最为流行的深度学习框架有TensorFlow、Caffe、PaddlePaddle和PyTorch。TensorFlow是Google于2015年发布的深度学习框架，2019年，Google推出TensorFlow2.0正式版本，以动态图优先模式运行，使得用户既能轻松上手TensorFlow框架，又能无缝部署网络模型至工业系统。本书针对高职学生的特点（有基本的编程能力，对开发人工智能应用感兴趣，学过一些高等数学基本知识，但谈不上有深厚的数学功底和人工智能理论基础），全面、系统地介绍基于TensorFlow深度学习框架的人工智能应用开发技术、方法和应用实践，分析了神经网络原理并实践，对循环神经网络（RNN）、卷积神经网络（CNN）这些常用的深度学习模型进行了演练，在此基础上展开基于深度学习的目标检测、图像分割、人脸识别等热门应用，为读者提供了从理论学习到工程实践的视图。全书按照“项目导向、任务驱动”的教学方法，以8个真实项目贯穿，分别是认识人工智能、搭建线性回归模型、搭建汽车油耗预测模型、搭建手写数字识别模型、搭建卷积神经网络模型、搭建猫狗识别网络模型、可视化方法应用和经典卷积神经网络的应用，进行深度学习模型的选择、构建和应用，让学习者能快速具备人工智能问题求解的基本思想和初步的人工智能应用软件开发能力。本书讲解通俗易懂，配套资源丰富。每个项目知识点配有PPT、一个或多个视频讲解、实践练习和模型实现代码。全书配有的视频总时长达400多分钟。本书适合计算机、软件工程、人工智能等本、专科专业学生使用，也适合作为对深度学习感兴趣的研究生、工程师和研究人员的学习资料。