前言

1.本书的由来

本书的前言可能有点长，因为这是我和大家的第一次见面，我希望可以把关于我和这本书的故事讲清楚，让大家对我有一个更好的了解，说不定哪天我们会成为朋友。

大约在3年前的某个下午，电子工业出版社的张迪编辑联系到我，让我写一本关于人工智能的书。第一次有人找我写书，不免有些小激动，想象中写书是一件很酷的事情，真正写的时候才知道写书是一件很苦的事情。

我最早是从2015年开始接触人工智能技术的，公司内部刚好需要开发人工智能相关的产品。当时谷歌的深度学习框架Tensorflow都还没有开源，我主要是学习了一些机器学习相关的算法和应用。随着Tensorflow在2015年11月开源，AlphaGo在2016年3月战胜人类顶级围棋选手，我知道新的人工智能时代就要到来了。2016年，我学习了当时最热门的两个深度学习框架Tensorflow和Caffe，并用这两个框架完成了公司里面的一些深度学习项目。

当时市面上关于深度学习的书籍和学习资料非常少，所以在2017年的时候我录制了一些深度学习相关的视频教程放到了网上，就有了后来出版社找我写书的故事。差不多每个月都会有出版社的人联系我出书，我才知道原来获得出书的机会不难，真正难的是认真坚持把一本书写好。这本书历时3年，但也不是真的写了3年，写的过程中断断续续也暂停了很多次。我估算了一下真正写书的时间大概是用了1000个小时。

最近三年我做了很多场人工智能的线下培训，给中国移动、中国电信、中国银行、华夏银行、太平洋保险、国家电网、中海油、格力电器等企业，以及多个研究所的科研人员和多个高校的老师上过课，大家学完后的反馈基本上都是挺好的。本书的内容也算是我的教学经验的一个总结。同时这几年我也给学校、医院、企业、气象局完成过多项人工智能项目。我觉得一个好的AI技术传播者应该同时具备一线技术人员的开发经验和丰富的实际教学经验。

2.人工智能的学习

这里想跟大家简单聊一下关于人工智能的学习。人工智能是一门需要“内外兼修”的学科，既要修炼外功招式，又要进行内功修行。这里的外功招式主要指的是使用编程语言去实现一些人工智能的算法，完成一些落地应用；而内功修行指的是对算法理论的理解。

很多时候武功招式是很容易学的，可以短时间内快速提升，但同时也很容易达到一定的上限。如果想要突破上限更进一步，就要把内功给修炼好。所以我们在学习人工智能相关技术的时候，应尽量把相关算法的理论理解清楚，同时要多写代码，提高编程能力，并在实践过程中加深对算法的理解。

3.本书的特色

本书的脉络框架主要是根据深度学习知识由浅入深的发展来编写的，对于Tensorflow的使用技巧基本上不会单独讲解，而是会结合深度学习理论知识或实际应用案例来讲解。所以很多Tensorflow的使用技巧在目录上可能没有得到很好的体现，这些Tensorflow使用技巧的彩蛋在书里的程序中等着大家发现哦！相信大家看完这本书以后就可以熟练掌握Tensorflow的使用了。

本书是一本“内外兼修”的书，既包含详细的算法理论的介绍，又包括详细的代码讲解。我一直在思考人工智能技术的教学方式，所以也形成了自己的教学风格和对教育的理解。这一套方式方法收到过很多同学的积极反馈，但也不一定适合所有人。我觉得不同的教学风格就像是不同类型的音乐，每个人喜欢的音乐类型可能都会不一样。AI教育的发展需要各种类型的教学方式百花齐放。

本书的主要特色总结如下。

（1）所有公式推导都有详细步骤，并解释每个符号。数学公式是算法的根本，要理解算法的本质，就要理解数学公式的含义，所以掌握一些基础的与深度学习相关的数学内容也是很重要的。大家看到数学一般都会比较头痛，所以本书中的所有数学公式都会列出详细推导步骤，并解释每个相关符号的含义，帮助大家理解。

（2）注释每一行代码。我一直觉得我在教学中使用的代码具有一定的个人风格，代码逻辑结构清晰，程序在容易理解的基础上尽量精简，最大的特点可能就是注释比代码多。我给这种代码风格起个名字吧，这样以后一说大家就知道了，就起个直白的名字，叫作“全注释代码”。我觉得对于初学者而言，最好是可以理解每一行代码、每个函数、函数中所使用的每个参数，这样学习会感觉比较扎实。所以本书中的所有代码都是全注释代码。

（3）程序皆为完整程序。本书一共82个代码应用案例，所有的代码都是可以从头到尾运行的完整程序，并附带真实的运行结果，不存在程序片段样例。我觉得程序片段对于初学者的学习不太友好，大家拿到一个程序片段往往还是不知道如何使用，或者用起来的时候出现很多错误，所以我在书中使用的所有程序都是可以从头到尾直接运行的完整程序。

（4）一图胜千言。深度学习中的很多模型结构、计算流程之类的内容很难用公式或者语言表达清楚，但往往一张好的图片就可以说明一切。本书一共使用了约500张图片，在本书的创作过程中，大约有200个小时花在画图，以及思考如何画图上。

（5）逻辑结构清晰，讲解细致。这个不需要多介绍，大家看的时候就知道了。

4.免费配套学习视频——我的B站

本书免费配套学习视频可以到我的B站主页查找。另外，我的B站中还有大量Python、机器学习、深度学习、计算机视觉、论文讲解的学习视频：

https://space.bilibili.com/390756902

如果大家觉得我创作的内容不错，可以帮我多多宣传，感谢！

5.勘误和支持

本书很多思想和知识体系都是我基于自己的理解建立的，由于本人水平有限，本书一定存在不少理解不当或者不准确的地方，恳请大家批评指正。如果大家有更多宝贵意见，欢迎发送邮件至邮箱qinbf＠ai-xlab.com，或者到我的Github留言：https://github.com/Qinbf/Deep-Learning-Tensorflow2/issues。期待大家的真挚反馈和支持。

6.致谢

在本书的撰写和研究期间，感谢我的妻子刘露斯对我的支持和鼓励。感谢我的朋友王惠东对本书部分章节的校阅。感谢电子工业出版社张迪编辑的耐心等待，感谢出版社对本书的耐心修订和整理。最后感谢各位读者朋友选择了这本书，感谢大家的信任。

覃秉丰

2021年5月于上海