前言

随着技术的发展，深度学习已经成为各个领域的热门话题。深度学习是人工智能领域中的重要分支，其地位越来越受到重视。深度学习具有优秀的自动特征提取能力和高精度的预测和分类能力，已经在图像识别、语音识别、自然语言处理、机器翻译等领域取得了很好的成果。而随着技术的不断发展和应用场景的不断拓展，深度学习在各个领域内的影响力越来越大，已经成为现代科技发展的重要推动力量，而且未来的影响力和作用也会越来越广泛，将成为人类社会进步的重要驱动力之一。 

本书主要内容

本书是一本以深度学习为主题的书，目的是让读者尽可能深入地理解深度学习的技术。此外，本书强调将理论与实践结合，简明的案例不仅能加深读者对于理论知识的理解，还能让读者直观感受到实际生产中深度学习技术应用的过程。

全书共分为三大部分，共17章。

第一部分深度学习理论基础，包括第1~7章。第1章深度学习简介，包括计算机视觉、自然语言处理、强化学习； 第2章深度学习框架及其对比，包括PyTorch、TensorFlow、PaddlePaddle，以及三者的比较； 第3章机器学习基础知识，包括机器学习概述、监督学习、无监督学习、强化学习、神经网络和深度学习，以及一个案例； 第4章回归模型，包括线性回归、Logistic回归、用PyTorch实现Logistic回归； 第5章神经网络基础，包括基础概念、感知器、BP神经网络、Dropout正则化、批标准化； 第6章卷积神经网络与计算机视觉，包括卷积神经网络的基本思想、卷积操作、池化层、卷积神经网络、经典网络结构、用PyTorch进行手写数字识别； 第7章神经网络与自然语言处理，包括语言建模、基于多层感知机的架构、基于循环神经网络的架构、基于卷积神经网络的架构、基于Transformer的架构、表示学习与预训练技术。

第二部分深度学习实验，包括第8、9章。第8章操作实践，包括PyTorch操作实践、TensorFlow操作实践、PaddlePaddle操作实践； 第9章综合项目实验，包括计算机视觉、自然语言处理、强化学习、可视化技术。

第三部分深度学习案例，包括第10~17章。第10章基于ResNet的跨域数据集图像分类； 第11章基于YOLO V3的安全帽佩戴检测； 第12章基于PaddleOCR的车牌识别，第13章基于PaddleSeg的动物图片语义分割； 第14章基于SRCNN图像超分辨率； 第15章基于TensorFlowTTS的中文语音合成； 第16章基于LSTM的原创音乐生成； 第17章基于FastRCNN的视频问答。

本书特色

（1） 注重理论，联系实际。

本书为重要的知识点部分配备了典型例题，通过大量的实例，展示了深度学习在图像处理、自然语言处理等领域的应用，使读者能够深入了解实际应用场景。

（2） 由浅入深，通俗易懂。

本书用简明易懂的语言描述深度学习的概念和原理，同时配以丰富的图表和实例，读者更易于理解和掌握。

（3） 内容丰富，系统全面。

本书内容按照从基础到高级的顺序进行排列，涵盖了深度学习的基础知识、常用模型以及实践中的技巧和工具，从理论到实践全面覆盖，读者可以逐步深入地了解深度学习的各个方面。

（4） 结合实际，方便实用。

本书介绍了多种常用的深度学习框架和工具的使用方法，包括TensorFlow、PyTorch、PaddlePaddle等，能够让读者快速上手实践。

配套资源

为便于教与学，本书配有微课视频、源代码、教学课件、教学大纲、习题答案。

（1）  获取微课视频方式： 先刮开并用手机版微信App扫描本书封底的文泉云盘防盗码，授权后再扫描书中相应的视频二维码，观看教学视频。

（2）  获取源代码、扩展阅读和全书网址方式： 先刮开并用手机版微信App扫描本书封底的文泉云盘防盗码，授权后再扫描下方二维码，即可获取。

源代码

扩展阅读

全书网址

（3）  其他配套资源可以扫描本书封底的“书圈”二维码，关注后回复本书书号，即可下载。

读者对象

本书适合Python深度学习初学者、机器学习算法分析从业人员以及高等学校计算机科学、软件工程等相关专业的师生阅读。

参与本书编写的人员有吕云翔、王志鹏、王渌汀、刘卓然、韩雪婷、梁菁菁、华昱云、杨卓谦、闫坤、王礼科、仇善召、唐博文、关捷雄、陈妙然、郭闻浩、屈茗若、陈翔宇、欧阳植昊、梁跞方。此外，曾洪立参与了部分内容的编写并进行了素材整理及配套资源制作等工作。

由于作者的水平和能力有限，本书中难免有疏漏之处，恳请各位同仁和广大读者给予批评指正。

作者2024年5月