前言

人工智能是当前影响人类的重大技术。近年来，由于计算机软硬件的进步，从早期的单层人工神经网络发展起来的多层人工神经网络技术（深度学习）得到了迅速的发展和广泛的应用。其应用范围包括自动驾驶汽车、语言翻译、对象识别、医疗诊断、自动聊天、自动写作、艺术品生成、植物识别等领域。Tensor Flow是开源的深度学习实现框架，具有很大的下载量和用户数，不仅可以用于研究和试验，还可以直接用于生产部署。

由于深度学习的快速发展，学术界、工业界需要大量的人才，全球人工智能领域的人才缺口也非常大。人工智能领域相关人才分为两类：研究新理论与新模型的高级研究人才和各领域的应用人才。研究新理论与新模型的高级研究人才需要深厚的理论基础，而应用人才则要利用已有的模型对数据进行训练和优化，相对而言，应用人才不需要深入的专业理论知识。由于深度学习和Tensor Flow是最近发展的新技术，市场上还少见涵盖原理与实践的教材。我们在这里尝试编写既适合初学者又适合已迈入高级研究者门槛的大学本科以及研究生的深度学习教材。希望本书不仅适用于计算机专业人员，也适用于非计算机专业人员（如生物专业、医学专业的读者）。

本书共11章，包括深度学习理论和Tensor Flow实践。读者可以根据实际情况选学带“*”号章节。

第1章概要性地介绍深度学习的发展历程和Tensor Flow的应用现状。

第2章介绍机器学习所需的数学知识、机器学习方法以及数据预处理方法。机器学习方法包括监督学习、非监督机器学习、半监督机器学习和强化学习。

第3章介绍神经网络基础知识和神经网络模型。

第4章介绍多层感知机神经网络、卷积神经网络、循环神经网络、深度置信网络以及深度学习框架。

第5章介绍Python安装、Jupyter Notebook器安装使用、Python编程基础知识、Python标准库和Python机器学习库。

第6章介绍Tensor Flow发展历程与演进、Tensor Flow的搭建配置、Tensor Flow编程基础知识、Tensor Flow系统架构及源码结构、Eager Execution以及简单的Tensor Flow示例代码。

第7章介绍Tensor Flow模型编程模式，读取数据，Tensor Flow模型搭建，Tensor Flow模型训练，Tensor Flow 评估，Tensor Flow 模型载入、保存以及调用，可视化评估工具Tensorboard以及编程示例——鸢尾花分类。

第8章介绍Tensor Flow编程实践，包括MNIST手写数字识别、Fashion MNIST以及RNN简笔画识别。

第9章介绍用于移动平台的Tensor Flow Lite和用于浏览器的Tensor Flow.js。

第10章介绍Tensor Flow案例——医学应用，主要介绍开源医学图像分析平台DLTK。

第11章介绍Seq2Seq模型、Tensor Flow 自动文本摘要生成和聊天机器人示例。

为了方便读者学习和掌握所学知识，每章最后附有习题。

由于水平有限，书中难免有不妥之处，恳请读者批评指正。

黄理灿