前言

作为最主流的深度学习框架，TensorFlow发布至今的三年里，引领了深度学习和人工智能领域的全面发展和成长壮大。它的出现使得深度学习的学习门槛被大大降低，不仅是数据专家，就连普通的程序设计人员，甚至相关专业的学生都可以用它来开发新的AI程序而不需要深厚的编程功底。

本书主要讲述使用TensorFlow 2.0学习卷积神经网络和开发对应的深度学习应用，是一本面向初级和中级读者的优秀教程。通过本书的学习，读者能够掌握卷积神经网络的基本内容和TensorFlow框架下深度学习的知识要点，以及从模型的构建到应用程序的编写一整套的应用技巧。

本书特色

1. 版本新，易入门

本书详细介绍了TensorFlow 2.0的安装和使用，以及使用TensorFlow 2.0官方所推荐的Keras编程方法与技巧。

2. 作者经验丰富，代码编写细腻

作者是长期奋战在科研和工业界的一线算法设计和程序编写人员，实战经验丰富，对代码中可能会出现的各种问题和“坑”有着丰富的处理经验，使得读者能够少走很多弯路。

3. 理论扎实，深入浅出

在代码设计的基础上，本书还深入浅出地介绍了深度学习需要掌握的一些基本理论知识，作者通过大量的公式与图示结合的方式对深度学习理论做了介绍，是一本难得的好书。

4. 对比多种应用方案，实战案例丰富

本书采用了大量的实例，同时也提供了一些实现同类功能的其他解决方案，覆盖了卷积神经网络使用TensorFlow进行深度学习开发中常用的知识。

本书内容及知识体系

本书基于TensorFlow 2.0的新架构模式和框架，完整介绍TensorFlow 2.0使用方法和一些进阶用法，主要内容如下：

第1章详细介绍了TensorFlow 2.0的安装方法以及对应的运行环境的安装，并通过一个简单的例子验证TensorFlow 2.0的安装效果。本章还介绍了TensorFlow 2.0硬件的采购。请记住，一块能够运行TensorFlow 2.0 GPU版本的显卡能让你的学习事半功倍。

第2章是本书的重点，从Eager的引入开始，介绍了TensorFlow 2.0的编程方法和步骤，包括结合Keras进行TensorFlow 2.0模型设计的完整步骤，以及自定义层的方法。本章的内容看起来很简单，但却是本书的基础和核心精华，读者一定要反复阅读，认真掌握所有内容和代码的编写。

第3章是TensorFlow 2.0的理论部分，介绍了反馈神经网络的实现及其最核心的两个算法，作者通过图示结合理论公式的方式详细介绍了反馈神经网络理论和原理，并全手动实现了一个反馈神经网络。

第4章详细介绍了卷积神经网络的原理及其各个模型的使用和自定义内容，讲解了借助卷积神经网络（CNN）算法构建一个简单的CNN模型进行MNIST数字识别。使用卷积神经网络来识别物体是深度学习的一个经典内容，本章和第2章同为本书的重点内容，能够极大地帮助读者掌握TensorFlow 2.0框架的使用和程序的编写。

第5章是TensorFlow 2.0数据读写部分，详细介绍了使用TensorFlow 2.0自带的Dataset API对数据的序列化存储，并简明讲解数据重新读取和调用的程序编写方法。

第6章介绍了ResNet的基本思想和内容，ResNet是一个具有里程碑性质的框架，标志着粗犷的卷积神经网络设计向着精确化和模块化的方向转化。ResNet本身的程序编写非常简单，但是其中蕴含的设计思想却是跨越性的。

第7章讲解的内容是未来的发展方向，具有“注意力”的多种新型网络模型。在不同的维度和方向上加上“注意力”，这是需要读者在学习中加上所有注意力的地方。

实际上，除了传统的图像处理之外，使用卷积神经网络还能够对文本进行分类，这一般采用的是循环神经网络。在第8章中我们介绍了使用经典的卷积神经网络来解决文本分类的问题，同时读者也可以将其引申到更多的序列化问题，这也是未来深度学习研究的方向。

示例源码下载

本书示例源码下载地址请扫描右边二维码获得。

如果有问题、建议或者疑问，请联系booksaga@163.com，邮件主题为“TensorFlow 2.0卷积神经网络实战”。

适合阅读本书的读者

●人工智能、深度学习、机器学习初学者

●高等院校和培训学校人工智能相关专业的师生

●其他对智能化、自动化感兴趣的开发者

著者

2020年1月