随着人工智能技术的发展，深度学习成为最受关注的领域之一。在深度学习的诸多开发框架中， TensorFlow 是最受欢迎的开发框架。 本书以培养人工智能编程思维和技能为核心，以工作过程为导向，采用任务驱动的方式组织内容。全 书共分为8 个任务，任务1 介绍深度学习的发展历程、应用领域以及开发环境的搭建过程；任务2 介绍 TensorFlow 框架的基本原理、计算图、会话、张量等概念；任务3 和任务4 阐述全连接神经网络模型、神 经网络优化方法及反向传播算法；任务5 和任务6 讨论卷积神经网络、卷积、池化的原理；任务7 和任务8 演示网络模型可视化操作步骤及制作与解析数据集的方法。 本书既可作为大数据、人工智能等相关专业应用型人才的教学用书，也可以作为TensorFlow 初学者的 学习参考书。

谷瑞，副教授、苏州工业园区服务外包职业学院大数据技术与应用专业主任，苏州大学高级访问学者，英伟达计算机视觉与自然语言处理认证讲师，以第一作者发表SCI、EI检索论文5篇、主持省十三五教育科学规划课题1项、参与企业横向项目20余项，具有丰富的项目实战经验。

前 言 随着人工智能技术的发展，深度学习成为广受关注的领域。面向深度学习的开发框架不断涌现，但毫无疑问，TensorFlow 是其中最受欢迎的一款开源框架。 本书以培养读者的人工智能编程思维和技能为核心，以工作过程为导向，采用项目驱动的方式组织内容。具体来说，本书的编写思路和特色如下。 （1）在内容设计上，坚持由浅入深。 本书以PyCharm 和TensorFlow 1.10 为平台，介绍了深度学习的概念及其应用领域、TensorFlow 的语言基础、构建二维线性拟合模型、可视化模型、全连接网络构建手写字模型以及AlexNet 网络模型，最后讲到了模型的微调。由浅入深，层层递进，使读者一步步掌握深度学习的原理和技巧。 （2）在内容编排上，坚持以实践、应用为导向。 学习深度学习，需要有深厚的数理基础，这对初学者来说有一定的难度。本书从实践和应用出发，淡化理论，通过大量具体的例子来引导读者学习TensorFlow 编程技巧。 在实践内容的选择上，则尽可能从实用性和趣味性两方面进行考量，选择MNIST 图像识别的入门项目以及AlexNet 图像识别项目，使读者在实践中逐渐加深领悟，并最终掌握深 度学习的开发技巧。 （3）在具体知识点介绍上，尽量做到清晰而有深度。 编写过程中，尽量用简单的语言描述算法原理，做到条理清晰。 本书各章节的内容安排如下。 任务1：主要介绍人工智能的发展历程、人工智能与深度学习、人工智能与计算机视觉、人工智能与自然语言处理的关系以及TensorFlow 深度学习开发环境的搭建过程。 任务2：介绍深度学习的基本概念，使读者通过计算图、会...