本书是一本深度学习从入门、算法到应用实践的书籍。全书共9章，第1章介绍深度学习基础，主要介绍基本概念和基本算法；第2章介绍深度学习的计算平台，主要介绍深度神经网络计算芯片TPU的架构原理；第3章介绍深度学习编程环境和操作基础，引导零基础读者快速入门Linux操作系统、Python编程语言、TensorFlow和PyTorch深度学习框架，为实现深度学习算法开发及应用部署奠定基础；第4～8章基于卷积神经网络，分别聚焦计算机视觉领域的几大经典任务，包括图像的分类、目标检测、语义分割、实例分割、人脸检测与识别等；第9章介绍循环神经网络，关注时序序列处理任务。本书每章讲解一系列经典神经网络的创新性思路，给出了详细的模型结构解析，并提供了具体的实践项目。从代码解析、网络训练、网络推理到模型部署，带领读者从理论一步步走向实践。 本书既可作为高等学校深度学习相关课程的教材，也可作为从事人工智能应用系统开发的科研和技术人员参考用书。

姓名：郝晓莉 单位：北京交通大学 职务：教师职称：副教授性别：女年龄：50个人介绍：郝晓莉，女，博士，副教授。1992年、1995年、2010年北京交通大学本科、硕士、博士毕业，1995年加入北京交通大学电信学院。主要研究方向为信号处理、计算机视觉、人工智能等相关领域。近年来先后主持和参加了国家自然基金、北京市科委重大项目等国家和省部级及企业课题多项，在国内外重要学术刊物和会议上发表相关论文30余篇。

前言 近十年来，深度学习推动了人工智能（AI）技术的迅猛发展。深度学习的学术研究领域就像一条条短跑赛道，优秀的网络模型、数据集、算力设备不断涌现，你追我赶。常常是一个性能不错的学术成果推出之后，不久就会有另一个新的成果大幅超越前者的性能。在学术界的快速突破和产业界旺盛的商业需求推动下，深度学习很快应用到了自动驾驶、无人机、互联网搜索、手机、智慧城市等各个领域。随之而来的是对AI领域人力资源的需求大大增加，人才竞争激烈。很多院校都开设了人工智能或深度学习等课程，还有很多理工科背景的工程技术人员也希望通过自学进入人工智能领域。无论是院校教学还是企业培训、个人发展，都需要能够贴近实际的人工智能书籍，以满足教学和自学的需要。 深度学习是一个知识体系，涵盖了数学、算法、工具、编程等多方面的内容，令许多初学者“望而生畏”。关于深度学习的论文、代码、书籍、网站、博客、视频等资料非常之多，许多初学者面对如此浩瀚的资源感觉无从下手。学习深度学习的最佳途径是阅读网络的经典论文及其代码，并进行动手实践。然而，许多初学者读不懂论文和代码，往往陷入“代码跑不通”或“只跑了代码但看不懂”的困境。 本书作者深感于以上问题，在给研究生开设的计算机视觉及深度学习相关课程的基础上编写了这本书。我们将带领读者学习深度学习的关键知识点和实操工具，学习图像分类、目标检测、语义/实例分割等主题任务中的经典神经网络知识，并以项目实践的形式，一步步带领读者感受和领略深度学习的魅力。 本书面向初学者，在全书知识点的选择上不追求大而全，而是选择最关键和最常用的一些知识点并期望把它们讲解透彻，以满足深度学习的入门需...