前　　言

最近几年，随着深度学习技术的飞速发展，各种各样的应用层出不穷。从计算机视觉中的人脸识别与物体识别、自然语言处理中的机器翻译与聊天机器人，到强化学习中的无人驾驶汽车与阿尔法围棋，随处可见深度学习技术的应用。

很多人希望自己能够走进人工智能领域，但是目前的一些图书要么注重原理部分的讲解，其中各种各样的公式让人望而却步；要么专注技术本身的讲解，使读者只能从应用层面来掌握一些实际案例，没有一定数学或者编程基础的人很难在短时间内同时掌握深度学习技术的原理与项目应用。

基于这样的情况，本书的写作目的如下。

• 兼顾理论与应用，关于每一个理论知识点，都有对应的代码，使读者既能知其然，又能知其所以然。每年都会有很多论文与新的研究成果发布，这些新的内容都基于目前已有的技术，从这个角度看，掌握现有技术的工作原理与实际应用，必然会对新技术的学习有推进作用。
• 通过足够多的实际项目来帮助读者，使所学知识有“用武之地”，本书的读者不局限于计算机专业的学生和相关从业者。各行各业的人都能从本书中获益，并将所学知识应用到相关的领域。本书讲解的项目不仅涉及计算机视觉、自然语言处理等领域，还涉及金融领域。
• 知识全面，尽可能包括目前深度学习领域全部的主流知识，让读者学习完本书以后，能够对深度学习有深入、全面的认识。

本书分为三部分。第一部分（第1～3章）介绍线性回归模型、逻辑回归模型与Softmax多分类器。第二部分（第4～7章）讲述全连接神经网络、神经网络模型的优化、卷积神经网络与循环神经网络。第三部分（第8～10章）讨论自编码模型、生成对抗网络与深度强化学习。本书中的深度学习框架主要使用Keras和TensorFlow，这两个框架是目前较流行的深度学习框架。所有代码使用Jupyter Notebook作为编辑器，因为Notebook具有交互式的功能，适合用于深度学习模型的构建与训练。

有些读者可能有一定的机器学习基础，但是建议读者从第一部分开始学习。因为第1～3章的内容可以为后续构建深度学习模型做准备，内容的讲解按照循序渐进的方式，并着重展现基础知识与深度学习模型之间的联系。

线性回归模型是一个回归模型，逻辑回归模型是一个二分类器，Softmax多分类器模型是一个多分类器，掌握这3个模型有助于理解有监督学习中的回归模型与分类模型的工作原理。当使用深度学习模型来完成多分类任务时，本质上就在其最后一层中使用Softmax多分类器模型。

第4章主要介绍激活函数、模型参数的初始化、模型的训练与损失函数、梯度下降优化算法等，并通过两个实际项目来讲述理论知识的应用。

第5章介绍深度学习中防止过拟合的方法、批量标准化，以及模型的使用、保存与加载，并讨论使用Keras框架构建一种新的模型的方式等。

第6章首先讲解图片的表示形式，然后讲述卷积神经网络中的卷积层和池化层，并分析如何将所学知识应用到猫与狗图片数据集的分类项目中。接下来，该章讲解经典CNN模型的设计思路，并介绍如何实现这些模型。

第7章讨论情感分析项目、文本生成项目、股票价格预测项目等。除此之外，得益于2018年自然语言处理领域取得的突破性进展，该章还会对其中最重要的3个模型（分别为ELMo、BERT和GPT-2）进行讲解，并将这3个模型应用到实际项目中，使读者能够走在自然语言处理领域的前沿。

第8章讲述深度学习中一种独热模型——自编码模型，讨论如何完成数据降维项目、信用卡异常交易检测项目、图片去噪项目。

第9章介绍深度学习中一种非常有趣的模型——生成对抗网络，通过生成对抗网络能够生成看起来“完全真实”的假图片。这句话读起来是不是感觉比较“诡异”？这就是生成对抗网络能够让人兴奋的原因。

第10章介绍深度强化学习。在阿尔法围棋中应用的主要技术就是深度强化学习。该章会详细讲解Deep Q-Learning算法、策略梯度算法、演员-评判家算法，并将每一个算法应用在《月球登陆》游戏中（结果表明每一个模型都能够“精通”这个游戏）。在掌握了这3个深度学习算法以后，你可以将其应用在曾经让你“无比抓狂”的游戏中。对于当时没能玩好的游戏，现在你能够使用人工智能技术来“精通”。

总的来说，目前市面上以公式为主的人工智能图书很难理解。当然，深度学习离不开数学，所以本书会将原理部分的公式与项目实战进行融合，使读者既能掌握技术应用又能明白为什么这样应用，这样可以为未来的进一步学习打下良好的基础。如果你已经被深度学习中各种模型的构建公式弄得一头雾水，或者掌握了一些原理内容，但是不知道如何应用，那么希望本书能够帮助你走出目前的困境，使你精通深度学习技术，并在深度学习技术的发展中贡献自己的力量。

虽然我对书中的原理部分以及实战代码进行了反复推敲与更改，但是由于能力有限，书中纰漏在所难免，真诚地希望读者不吝批评、指正。

最后，感谢我的父母对我无私的爱、对我的每一个决定的支持、对我默默的付出，帮助与鼓励我克服每一个困难。感谢恩师韦玮对我多年来的支持、帮助与照顾。感谢人民邮电出版社的编辑的悉心审稿。

周北