前言

我们正处在一个日新月异、飞速变革的时代，层出不穷的新技术每天都在冲击和改变我们的生活。人工智能无疑是其中最受关注、也是影响最深远的技术领域。它为计算机插上了翅膀，演变出许多从前根本无法想象的新技术、新应用。AlphaGo Zero——一台没有任何先验知识的人工智能机器，可以在几天内通过自我博弈成长为世界第一的围棋大师，超越人类几千年积累的经验；风格迁移应用能够自动将用户的照片转变为著名的绘画艺术风格；机器可以在零点几秒内完成翻译，把一种语言译成另一种语言。此外，有关人脸识别、自动驾驶等新技术的应用也都纷纷开始落地。在过去的几年内，人工智能技术不仅在学术上取得了巨大的突破，也开始走向寻常百姓家，真正为人们的生活提供便利。

本书主要为读者介绍这次人工智能浪潮最重要的组成部分——深度学习技术，使用的编程框架是Google公司的TensorFlow。借助于Google公司巨大的影响力，TensorFlow一经发布就引起了广泛的关注。目前（截至2017年年底），TensorFlow在Github上已经有了8万4000多个Star，是所有深度学习框架中最多的。

本书的主要特点如下：

● 以实践、应用导向。深度学习需要深厚的数理基础，对于初学者来说有一定难度。本书希望从实践出发，用具体的例子来引导读者学习深度学习技术和TensorFlow编程技巧。我们主要从实用性和趣味性两个方面考量，选择了21个实践项目，其中既有MNIST图像识别入门项目，也有目标检测、人脸识别、时间序列预测实用性项目，还有一些诸如 Deep Dream趣味性项目。读者可以在实践中找到乐趣，逐渐进步，让学习深度学习和TensorFlow的过程不再那么痛苦。

● 清晰而有深度的介绍。在编写过程中，尽量用简单的语言描述算法的原理，做到清晰而有条理。此外，深度学习是一门还在快速发展的新技术，限于篇幅，很多内容不能完全展开，在大部分章节的末尾列出了“拓展阅读”材料，有兴趣的读者可以参考进一步学习。

● 基于TensorFlow 1.4及以上版本。TensorFlow的发展非常迅速，本书代码全部基于TensorFlow 1.4及以上版本（包括1.4.0、1.4.1和1.5.0），并介绍了TensorFlow的一些新特性，如Time Series模块（1.3版本添加）、新的MultiRNNCell函数（1.2版本更改）等。本书的代码会在如下GitHub地址上提供，并会随新的 TensorFlow 版本的发布而同步更新：https：//github.com/hzy46/Deep-Learning-21-Examples。

本书代码推荐的运行环境为：Ubuntu 14.04，Python 2.7、TensorFlow 1.4.0。请尽量使用类UNIX系统和Python 2运行本书的代码。

本书主要内容

本书共包括21章，内容编排如下：

第1～11章主要介绍深度卷积神经相关的项目。其中，第1～3章属于入门章节，主要讨论深度学习中最基础的图像识别问题；第4～7章讨论了其他计算机视觉相关的实践案例，如目标识别、人脸识别、图像风格迁移等；第8～11章介绍了GAN模型和它的几个重要变体。

第12～17章主要介绍RNN、LSTM相关的项目。RNN、LSTM通常用来处理序列型数据，第12章是一个入门章节，会详细介绍RNN和LSTM的原理、实现方法和一个应用实例——Char RNN；第13～17章讨论一些更复杂也更具体的案例，如序列分类、词嵌入表示、时间序列预测、机器翻译等。

第18～21章主要介绍强化学习相关的项目。第18、19章分别介绍了相对简单的QLearning和SARSA算法，第20章和第21章介绍了更复杂的DQN和策略梯度算法。

如何阅读本书

在阅读本书前，读者应当了解Linux系统的基本操作，并会使用Python进行简单的编程，还需具备基础的机器学习知识。本书的章节安排是依据读者对深度学习的了解循序渐进设立的，建议初学者从前至后阅读。由于深度学习和TensorFlow不易于理解，我建议读者分几遍阅读本书：

● 第一遍先简单浏览一下，看一看书中都有哪些实践项目。当对基本的概念有初步的理解时，就可以尝试配置一下开发环境。

● 第二遍，从前至后阅读各章中算法的原理，并运行相应的实践项目。在这个过程中，希望读者能在自己动手的过程中找到学习的乐趣。读者可以对照源代码和书中的内容，深入学习各个模型的细节，此外还可以根据自己的需求对代码进行修改。本书会涉及大量TensorFlow中的函数，由于篇幅限制，不可能将每一个函数都介绍一遍，只介绍了比较重要的函数，读者可以参考TensorFlow的官方文档，查看其他函数的功能说明。

● 第三遍，根据需要对照源程序看相关章节。此外，读者还可以参阅章节最后的拓展阅读进一步学习。最后，如果你是一名深度学习和TensorFlow的精通者，也可以根据需要直接跳读到相关章节，查阅你需要的内容。

致谢

我首先要感谢我的父母，是他们将我养育成人，父母永远健康快乐是我最大的心愿。

感谢互联网时代，感谢网络上数不清的优秀开发者和博主，也向Google公司的开源精神致敬，让我们可以如此紧跟时代最前沿的技术，并为技术的进步做出自己微薄的贡献。

我还要真诚地感谢电子工业出版社对这本书的认可和兴趣。感谢电子工业出版社的孙学瑛女士，她的热情推动最终促成了我与电子工业出版社的合作。感谢宋亚东编辑，他对本书的重视和诚恳的建议，在写作过程中给了我莫大的帮助。

最后，感谢刘婧源同学给本书提出的宝贵意见。

由于本人水平有限，书中不足及错误之处在所难免，敬请专家和读者给予批评指正。如果您想和我进行技术交流，可以发送意见反馈邮件至hzydl21@163.com，也可在知乎上找到我：https：//www.zhihu.com/people/he-zhi-yuan-16/，此外还可以访问书友论坛http：//forum.broadview.com.cn。

何之源
2018年1月