本书是高等职业院校人工智能技术应用专业的专业核心课教材，以深度学习常用的技术和TensorFlow 2.0的框架相结合，以真实案例为载体，介绍了深度学习的概念、TensorFlow基础语法、神经网络原理、实战练习等内容。通过学习本书，读者可以通过搭建自己的神经网络模型来进行图像识别、目标检测、人脸识别、图像分割等应用，还可以使用神经网络生成图像、基于TensorFlow.js框架搭建网页端的人工智能应用等。本书以项目-任务的方式组织内容，每个项目下都配备了3～5个任务供实践练习使用。通过体验书中的深度学习案例，读者可以逐渐对深度学习的项目有所了解，并能够熟练地进行实践。本书适合作为高等职业院校人工智能技术应用专业的教材，也可作为人工智能爱好者及社会工作者的学习参考书。

绪论 深度学习
项目一 基于TensorFlow实现线性回归
项目概述
项目目标
知识链接
1.TensorFlow的概念
2.TensorFlow的应用
3.张量与变量
4.线性回归算法
项目实施
任务一 使用TensorFlow实现四则运算
任务二 使用TensorFlow实现一元线性函数计算
任务三 使用TensorFlow搭建线性回归模型
测验
项目总结
项目二 搭建人工神经网络
项目概述
项目目标
知识链接
1.人工神经网络
2.感知机
3.全连接神经网络
4.前向与反向传播
5.认识TensorFlow.keras框架
项目实施
任务一 搭建一个全连接神经网络
任务二 加载经典Mnist数据集
任务三 搭建全连接网络模型实现手写数字识别
任务四 搭建全连接网络模型实现手势识别
测验
项目总结
项目三 卷积神经网络实战
项目概述
项目目标
知识链接
1.深度学习在计算机视觉中的应用
2.卷积神经网络
3.经典的卷积神经网络
4.激活函数
5.损失函数
6.FCN网络
项目实施
任务一 搭建一个卷积神经网络
任务二 使用卷积神经网络实现服装分类
任务三 使用全卷积神经网络实现宠物识别
任务四 模型的存储与调用
任务五 基于YOLO模型实现目标检测
测验
项目总结
项目四 循环神经网络实战
项目概述
项目目标
知识链接
1.自然语言处理
2.自然语言处理的应用场景
3.循环神经网络及其变体
项目实施
任务一 搭建一个循环神经网络
任务二 搭建一个LSTM网络
任务三 学习率衰减实践
任务四 使用循环神经网络实现垃圾邮件检测
任务五 使用循环神经网络实现自动生成纯音乐
测验
项目总结
项目五 对抗生成网络实战
项目概述
项目目标
知识链接
1.有监督、无监督学习
2.生成对抗网络
3.生成对抗网络工作过程
4.生成对抗网络的常见应用
(项目实施
任务一 搭建一个GAN网络
任务二 使用GAN模型生成手写数字
任务三 使用GAN模型生成二次元动漫头像
测验
项目总结
项目六 TensorFlow.js实战
项目概述
项目目标
知识链接
1.TensorFlow.js
2.网页编程语言
项目实施
任务一 配置环境
任务二 基于TensorFlow.js实现回归预测
任务三 基于TensorFlow.js部署网页版手写数字识别
任务四 基于TensorFlow.js部署网页版服饰分类
测验
项目总结
参考文献