当前位置：

单元一开发环境搭建与测试1

1.1任务11在Windows上安装TensorFlow1

1.2任务12在Ubuntu上安装TensorFlow10

1.3任务13TensorFlow初体验16

1.4拓展与提高18

1.5单元小结20

1.6习题20

单元二TensorFlow编程基础22

2.1任务21认识计算图22

2.2任务22创建张量26

2.3任务23张量的属性30

2.4任务24Eager Execution应用33

2.5任务25运算操作36

2.6任务26常用函数39

2.7任务27维度变换46

2.8任务28部分采样53

2.9任务29线性回归实战57

2.10拓展与提高62

2.11单元小结63

2.12习题63

单元三深层神经网络65

3.1任务31单层神经网络搭建实战65

3.2任务32多层神经网络搭建实战70

3.3任务33梯度下降算法实战76

3.4任务34BP反向传播算法实战82

3.5任务35多层神经网络优化实战87

3.6拓展与提高92

3.7单元小结93

3.8习题94

单元四卷积神经网络95

4.1任务41MNIST手写数字识别实战95

4.2任务42多层卷积网络图像分类实战101

4.3任务43YOLO模型应用实战110

4.4拓展与提高122

4.5单元小结124

4.6习题124

单元五循环神经网络125

5.1任务51多层SimpleRNN实战125

5.2任务52单层LSTM实现影评分类实战129

5.3任务53多层LSTM酒店评论情感识别实战136

5.4任务54单层GRU实现影评分类实战145

5.5任务55多层GRU实现短语音情感识别149

5.6拓展与提高154

5.7单元小结155

5.8习题156

单元六TensorBoard可视化157

6.1任务61TensorBoard调用157

6.2任务62TensorBoard参数监控163

6.3拓展与提高169

6.4单元小结171

6.5习题171

 

当前对几款主流的深度学习框架的学习，无论是在国内还是在国外、可以说是如火如荼，然而，由于深度学习技术的基础属于人工智能中神经网络相关的知识范畴，而神经网络的研究又基于线性代数、矩阵运算、微积分、图论、概率论等复杂的数学理论，市面上出版的一些教材也是开篇就讲这些数学理论基础，这让很多初学者望,这些深度学习框架的最新文档大多为英文，并且直接讲类似MNIST的较复杂图像识别任务，图像识别是深度学习中最激动人心的创新应用之一，也是本次人工智能大潮的焦点，但是对初学者来说，骤然跨过这么高的门槛反而会增加入门的难度，并影响学习的信心。

本教材由南宁职业技术学院高伟锋、龙妍担任主编，负责教材的编写思路、体例结构和内容设计，柳州铁道职业技术学院李筱林、广西交通职业技术学院洪东、南宁职业技术学院谢锋担任副主编。

本教材的编写符合“项目引领单元、任务驱动课堂”的教学理念，教材中精选了几个最贴近生活的、浅显易懂的实际问题，采用手把手实例讲解的方式，帮助初学者少走弯路，迈好踏入深度学习殿堂的第一步，打好进一步提高的知识基础，也树立继续进阶学习的充足信心。本教材中的实例讲解均基于使用Python语言的TensorFlow 2.0框架，只需稍具Python语言编程的基础，通过阅读本教材，就可迅速掌握用深度学习技术解决实际问题的方法，并具备举一反三的能力。教材配套丰富的数字教学资源(包括项目及其源代码、教学课件、微课、习题等资源)。没有任何编程基础或无意学习编程开发的读者，也可以通过本教材了解深度学习的概念和它的科学思维方法，解决初学者可能遇到的门槛问题。

最后，作为入门教材，根据笔者常年进行培训和教育的经验，太过追求严谨和精确的概念定义或深陷于数学理论的推导，反而会影响初学者对相关知识的理解。因此，本教材尽量减少对纯数学理论的研究探讨，对概念和一些理论知识也做了一定简化易懂的处理，这样有益于读者快速掌握基础知识和加强进一步自学深造的能力。本教材在章节上也进行了精心的编排，确保读者能够循序渐进地学习；各个概念和知识点的引入也是精心穿插在合适的章节位置中，既能避免读者死记硬背大量理论知识，又能保证学习相关技术前拥有必需的知识基础。