深度学习：核心技术、工具与案例解析.html.pdf

前言 为什么要写这本书 随着国内各个AI峰会的召开 ，各个开源深度学习框架 eetup的火爆举行 ，深度学习技术的发展正在如火如荼地进行之中，很多公司已经将深度学习技术大范围落地并且应用于生产之中。深度学习的 研发人员已经从最初的通过优化算法 ，在公开数据集上取得不俗的成绩 ，转变到如今在应用的引导之下 ，设计优化深度学习算法并将其用于生产之中。写一本深度学习技术与实用案例类的技术图书是我持 续了很久的想法。由于工作和学习较为紧张 ，最初只是对参与或学习过的深度学习相关案例进行了总结 ，但是随着时间的推移 ，最终我还是打算将其中通用的算法、模块流程以及应用场景抽象出来 ，进行 适当简化并整理成书 ，这也算是我对深度学习的一个总结和分享。 深度学习是发源于人工神经网络的一种机器学习模型 ，它立足于更深的模型 ，具有更强的拟合能力 ，在计算机视觉、语音识别、自然语言处理等领域均取得了不俗的成果 ，并在其他应用场景中也逐步 获得了傲人的成绩。深度学习已成为当下最受关注的人工智能技术 ，拥有着庞大的社区支持 ，应用场景与工具支持也 日趋完善。 现在越来越多的同行已经了解并且开始应用深度学习技术。但是对于工程师和研发人员来说 ，市场上还缺少一本关于深度学习的实用案例类图书 ，很多深度学习初学者和开发人员只能参考网络上零星 的技术博客或文档 ，这使得学习过程变得零碎且艰难 ，而本书正是为了解决这些的问题而着意编写的。 本书希望展现给读者一个系统化的视角 ，秉承大道至简的主导思想 ，讲解深度学习的基本原理 ，以及如何在深度学习技术上构建复杂的人工智能应用 ，帮助读者开启深度学习技术应用之旅。 本书特色 从技术层面上讲 ，本书介绍了人工智能领域中发展势头正盛的深度学习技术和应用。深度学习作为一种机器学习算法 ，不仅具有模型结构的灵活性 ，可快速构建适用于不同领域的模型结构与算法 ，同 时具有强大的模型拟合能力 ，能够在GPU等硬件 ，TensorFlow等软件层框架的支撑下 ，发挥人工智能解决问题的能力 ，依托于深度网络的通用学习能力 ，快捷地构建广受欢迎的人工智能产品。 从适合读者阅读和掌握知识的角度进行结构安排 ，从深度学习基本概念和机制介绍入手 ，结合TensorFlow及其相关深度学习框架 ，构建相应的网络结构实战案例 ，并在最后结合不同的应用场景构建人 工智能应用。本书所讲 内容涵盖较为全面 ，不仅介绍了基本原理 ，如何进行深度学习 ，同时结合应用场景构建应用 ，还总结了一些实用经验。 书中一些实际操作和应用相关的章节 ，比较适合人工智能和机器学习开发人员参考 ，可以作为工作手边书 ；算法和优化实践方面的章节 ，则比较适合机器学习和算法工程师 ，可以分享经验 ，用于拓展 解决问题的思路。 读者对象 ·深度学习与人工智能初 学者 ·深度学习与人工智能应 用开发人 员 ·机器学习爱好者 ·开源软件爱好者 ·其他对深度学习与人工智能技术感兴 的人 员 如何阅读本书 本书共计 10章 ，各章内容安排概括如下。 第 1章从深度学习的概念出发 ，介绍深度学习的来龙去脉 ，阐述深度学习技术的知识图谱以及不同层面的技术概览。 第2章详细介绍了深度学习机制、典型模型原理与设计初衷。 第3章详细介绍了深度学习框架TensorFlow ，以实战加深对深度学习技术的理解 ，为后续使用奠定基础。 第4章详细介绍了TensorFlow的高阶特性与实战优化最佳实践。 第5章从实际出发 ，详细介绍如何通过深度学习技术构建语音识别器 ，采用主流深度学习语音识别模型作为实例。 第6章详细介绍了对话机器人领域的技术 ，以及如何通过深度学习技术构建对话机器人。 第7章详细介绍了深度学习的重要应用领域——人脸识别 ，以及主流的人脸识别模型与实践。 第8章介绍了自动驾驶领域的相关技术 ，以及如何通过深度学习进行车辆检测和端到端的自动驾驶解决方案。 第9章详细介绍了深度学习与人工智能中可视化的实例 ，使得研发人员能够更加直观地诊断优化和呈现结构。 第 10章总结了深度学习训练和推断中可能会涉及的、需要注意和调节的优化点 ，希望他 山之石可以攻玉。 如果你有一定深度学习的经验 ，能够理解深度学习和TensorFlow的相关基础知识和使用技巧 ，那么可以直接阅读本书第5 ～10章。如果你是一名初学者 ，最好从第 1章的基础知识开始学起。 勘误和支