PREFACE前　　言自20世紀(jì)80年代以來(lái)，機(jī)器學(xué)習(xí)已經(jīng)在算法、理論和應(yīng)用等方面取得了巨大成功，廣泛應(yīng)用于產(chǎn)業(yè)界與學(xué)術(shù)界。簡(jiǎn)單來(lái)說(shuō)，機(jī)器學(xué)習(xí)就是通過(guò)算法使得機(jī)器能從大量歷史數(shù)據(jù)中學(xué)習(xí)規(guī)律，從而對(duì)新的樣本完成智能識(shí)別或?qū)ξ磥?lái)做預(yù)測(cè)。深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)方法，在一些最新的研究領(lǐng)域和新的應(yīng)用背景下，可用數(shù)據(jù)量的激增、計(jì)算能力的增強(qiáng)以及計(jì)算成本的降低為深度學(xué)習(xí)的快速發(fā)展鋪平了道路，同時(shí)也為深度學(xué)習(xí)在各大領(lǐng)域的應(yīng)用提供了支撐。自AlphaGo被提出并成功擊敗職業(yè)圍棋手后，“深度學(xué)習(xí)”這一概念快速進(jìn)入人們的視野并在業(yè)界引起了轟動(dòng)，其因強(qiáng)大的特征提取能力以及靈活性在國(guó)內(nèi)外各大企業(yè)中掀起一陣狂潮，在語(yǔ)音識(shí)別、圖像識(shí)別和圖像處理領(lǐng)域取得的成果尤為突出。
本書(shū)是以實(shí)踐案例為主的深度學(xué)習(xí)框架結(jié)合編程實(shí)戰(zhàn)的綜合性著作，將帶領(lǐng)讀者逐步掌握深度學(xué)習(xí)需要的數(shù)據(jù)處理、調(diào)整參數(shù)、運(yùn)行實(shí)例和二次編碼，不僅幫助讀者理解理論知識(shí)，而且能夠使讀者熟練掌握各種深度學(xué)習(xí)框架下的編程控制。本書(shū)配有大量的實(shí)踐案例，既便于課堂教學(xué)，又便于學(xué)生自學(xué)。此外本書(shū)還配有同步PPT課件和程序源碼，可供教師進(jìn)行實(shí)驗(yàn)課程輔導(dǎo)。
本書(shū)介紹了四種深度學(xué)習(xí)框架（TensorFlow、Caffe、Torch、MXNet）的運(yùn)行原理，配合實(shí)例介紹了框架的詳細(xì)安裝、程序設(shè)計(jì)、調(diào)參和二次接口的詳細(xì)編程過(guò)程，引領(lǐng)讀者完整搭建深度學(xué)習(xí)框架，相信本書(shū)能夠從實(shí)戰(zhàn)的角度幫助讀者快速掌握和提高深度學(xué)習(xí)編程的技能。
全書(shū)內(nèi)容可分為緒論、四大框架、遷移學(xué)習(xí)和并行計(jì)算/交叉驗(yàn)證四大部分，共7章。
第1章討論深度學(xué)習(xí)與機(jī)器學(xué)習(xí)的關(guān)系、深度學(xué)習(xí)與統(tǒng)計(jì)學(xué)的關(guān)系、深度學(xué)習(xí)框架、深度學(xué)習(xí)中涉及的優(yōu)化方法以及對(duì)深度學(xué)習(xí)的展望五個(gè)方面的內(nèi)容，從理論上對(duì)深度學(xué)習(xí)進(jìn)行全面深刻的剖析，旨在為后續(xù)學(xué)習(xí)提供理論鋪墊與指導(dǎo)。
第2章對(duì)TensorFlow深度學(xué)習(xí)框架進(jìn)行詳細(xì)介紹，主要包括TensorFlow運(yùn)作原理、模型構(gòu)建、框架安裝，并進(jìn)一步介紹了TensorFlow框架下具體網(wǎng)絡(luò)的圖像分類編程實(shí)現(xiàn)以及詳細(xì)代碼的解讀。
第3章從理論與實(shí)戰(zhàn)兩方面對(duì)Caffe深度學(xué)習(xí)框架的發(fā)展、結(jié)構(gòu)以及具體的搭建過(guò)程進(jìn)行詳細(xì)介紹，并在Caffe深度學(xué)習(xí)框架下構(gòu)建全卷積神經(jīng)網(wǎng)絡(luò)（Fully Convolutional Network，F(xiàn)CN），用該網(wǎng)絡(luò)進(jìn)行圖像語(yǔ)義分割的實(shí)戰(zhàn)編程，對(duì)該案例程序代碼進(jìn)行詳細(xì)解讀。
第4章介紹Torch深度學(xué)習(xí)框架的基礎(chǔ)知識(shí)，同時(shí)介紹Torch深度學(xué)習(xí)框架中使用的Lua語(yǔ)言；按照Torch框架的安裝過(guò)程，以一個(gè)具體的目標(biāo)檢測(cè)實(shí)例為出發(fā)點(diǎn)，詳細(xì)介紹Torch的類和包的用法以及構(gòu)建神經(jīng)網(wǎng)絡(luò)的全過(guò)程，最后介紹Faster R-CNN的方法和實(shí)例。
第5章對(duì)MXNet框架進(jìn)行詳細(xì)介紹，包括MXNet的基本概念和特點(diǎn)、MXNet的安裝過(guò)程等，利用自然語(yǔ)言處理的實(shí)例來(lái)進(jìn)一步展示MXNet在深度學(xué)習(xí)方面的應(yīng)用實(shí)戰(zhàn)。
第6章介紹遷移學(xué)習(xí)發(fā)展、遷移學(xué)習(xí)的類型與模型，并以實(shí)際案例對(duì)遷移學(xué)習(xí)的過(guò)程進(jìn)行詳細(xì)介紹與分析。
第7章在深度學(xué)習(xí)的背景下分別對(duì)并行計(jì)算和交叉驗(yàn)證這兩種方法進(jìn)行詳細(xì)介紹。
本書(shū)既可作為大學(xué)本科、研究生相關(guān)專業(yè)教材，也適用于各種人工智能、機(jī)器學(xué)習(xí)的培訓(xùn)與認(rèn)證體系，同時(shí)可供廣大深度學(xué)習(xí)開(kāi)發(fā)人員參考。
本書(shū)由多人合作完成，其中，第1章由太原理工大學(xué)強(qiáng)彥編寫，第2章由太原理工大學(xué)趙涓涓編寫，第3章由太原理工大學(xué)王華編寫，第4章由太原理工大學(xué)肖小嬌編寫，第5章由晉中學(xué)院董云云編寫，第6章由太原理工大學(xué)馬瑞青編寫，第7章由大同大學(xué)傅文博編寫，全書(shū)由強(qiáng)彥審閱。
本書(shū)在撰寫過(guò)程中得到了趙鵬飛、羅嘉瀅、肖寧、高慧明、吳保榮等項(xiàng)目組成員和業(yè)內(nèi)專家的大力支持和協(xié)助，在此一并表示衷心的感謝！
由于作者水平有限，不當(dāng)之處在所難免，懇請(qǐng)讀者及同仁賜教指正。