本书从基本的人工智能理论出发，使用Python语言编程，基于TensorFlow和Keras深度学习框架，以理论讲解为基础，以项目实战为导向，系统地讲述了人工智能、深度学习和计算机视觉中相关的基本概念、理论方法和经典算法。既有对基础知识和理论模型的介绍，也有对计算机视觉相关领域实际案例的实现方法和技术技巧的详细阐述。本书尽量避免了复杂烦琐的数学公式，仅涉及少量且必要的数学知识。在内容上，本书首先概述了深度学习的基本理论，然后介绍了深度学习框架TensorFlow的基础知识、安装和使用方法，引申出**神经网络API，即Keras框架，并且介绍了Keras框架的核心模块和一系列建模方法，为后续完成项目实战做准备。*后讲解了神经网络的原理，从回归和分类两大类问题出发，实现了回归和图像分类等实战案例，并介绍了如何使用迁移学习的方法快速搭建网络模型。 本书可作为各类职业院校人工智能技术应用及相关专业的教材，也可以作为深度学习爱好者的参考书。 本书配有电子课件等课程资源，选用本书作为授课教材的教师可登录机械工业出版社教育服务网（wwwcmpeducom）注册账号后免费下载，或联系编辑（010-

目录 前言 单元1认识深度学习 11人工智能、机器学习与深度学习 12深度学习的应用 13主流的深度学习框架 14开发环境的安装 单元小结 课后习题 单元2深度学习框架TensorFlow 21TensorFlow介绍 22TensorFlow数学基础 23TensorFlow基本数据类型 24张量的物理意义及应用 25实战案例——TensorFlow优化程序 26实战案例——基于TensorFlow框架的线性回归实现 单元小结 课后习题 单元3**神经网络API 31Keras基础 32Keras体系结构 33Keras框架模型构建流程 34实战案例——基于多层感知器的MNIST手写数字识别 35实战案例——用Keras实现花朵图像分类 单元小结 课后习题 单元4神经网络 41人工神经网络 42感知器 43全连接神经网络 44激活函数 45实战案例——基于全连接神经网络的MNIST手写数字识别 46卷积和卷积神经网络 47卷积层的变体 48经典的卷积神经网络 49实战案例——基于LeNet5的Fashion_MNIST图像分类 单元小结 课后习题 单元5回归问题 51回归的概念和基本原理 52回归问题的损失函数 53实战案例——汽车燃油效率预测 54过拟合与欠拟合 55过拟合的解决办法 56实战案例——房价预测模型搭建 单元小结 课后习题 单元6分类问题 61图像分类的应用 62图像分类面临的挑战 63图像分类的方法 64图像二分类 65实战案例——基于卷积神经网络的猫狗图像分类 66图像多分类 67实战案例——基于卷积神经网络的CIFAR10图像分类 单元小结 课后习题 单元7迁移学习 71迁移学习的基本问题 72迁移学习的应用领域 73迁移学习的训练方法与技巧 74实战案例——基于迁移学习的猫狗图像分类 单元小结 课后习题 参考文献