本书首先介绍深度学习，并与其他机器学习模型进行比较，并阐述与TensorFlow互补的用于创建深度学习模型的技术，如Panda、Scikit-Learn和Numpy。随后介绍有监督的深度学习模型，并使用单层的多个感知器构建浅层神经网络，使用Tensorflow 2.0和Keras API创建真实的应用程序。随后是数据增强和批处理规范化方法，并使用MNIST数据集训练CNN。最后是使用自动编码器的理论应用和无监督学习，以及使用tf-agent模型的强化学习。本书主要面向深度学习和机器学习API领域的数据科学家和程序员。

汪荣贵，合肥工业大学计算机与信息学院教授，中国人工智能学会离散智能计算专委会委员，安徽省人工智能学会理事，机械工业出版社计算机类教材出版咨询专家；主要研究方向为机器学习与视频图像处理；承担完成国家自然基金企业联合基金、科技部重点研发计划、电子产业基金、安徽省科技攻关重点项目等多个课题，以及中电集团四创电子股份公司等多个企业委托项目；发表80余篇学术论文，近期完成的研究成果获安徽省科技进步二等奖、中电集团科技进步一等奖、合肥市科技进步一等奖，编著出版的《离散数学及其应用》、《算法设计与应用》、《机器学习及其应用》、《机器学习简明教程》深受广大读者好评。

译者序 近年来，深度学习技术取得了突破性进展，基于深度神经网络的计算机视觉和自然语言处理技术取得了突飞猛进的发展，在智慧城市、安全监控、人机交互、机器翻译等多个领域取得了巨大的商业价值，极大地激发了人们对深度学习和神经网络的学习热情。具有一定专业深度且通俗易懂的神经网络设计入门教材对于初学者的帮助显然是至关重要的，《TensorFlow神经网络设计——基于Python API深度学习实战》正是这样的一部优秀教材。 本书以TensorFlow 2.0为基本开发平台，通过一系列具体的应用案例，使用通俗易懂的语言比较系统地介绍深度学习的基本概念和神经网络模型设计的基本知识。这些案例涉及的应用领域非常广泛，从图像识别到推荐系统，从艺术图像生成到自然语言处理，为读者的应用系统设计和开发提供了比较宽广的视野。本书的知识内容和知识结构面向神经网络初学者设计，首先概述Python编程语言、机器学习、深度学习和神经网络的基本知识，然后着重介绍前馈神经网络、卷积神经网络、循环神经网络、自动编码器和生成对抗网络等神经网络模型的基本结构，详细讨论了基于TensorFlow 2.0开发平台的神经网络模型的设计技巧和训练方法，以及样本数据集的获取与处理、应用系统开发的基本过程，逐步消除读者在深度学习技术开发应用方面的认知盲点。 本书内容丰富新颖，语言文字表述清晰，应用实例讲解详细具体，图例直观形象，适合作为高等学校人工智能、智能科学与技术、数据科学与大数据技术、计算机科学与技术以及相关专业的本科生或研究生深度学习课程入门性教材，也可供工程技术人员和自学读者学习参考。 本...