" 本书系统地介绍了基于深度学习框架 TensorFlow 2.x进行深度学习开发的核心技术与人脸识别项目实践应用。内容涵盖TensorFlow开发环境的搭建（ Anaconda、PyCharm、TensorFlow CPU/GPU）、计算图的构建、自动微分机制、基础回归与分类算法、多层感知机、卷积神经网络以及经典的 ResNet模型实现与训练。通过手写数字识别、房价预测、图像分类等典型案例，由浅入深地讲解了模型构建、训练、评估及部署的全流程。 本书实践性强、代码丰富，既可供人工智能、计算机其他相关专业的学生作为教材学习使用，又可供希望快速入门并掌握 TensorFlow深度学习开发技术的工程师和爱好者自学使用。"

江跃龙，担任广州铁路职业技术学院人工智能应用技术专业负责人，云计算平台运维与开发职业技能1+X培训师、人工智能训练师考评员。主持省级科研项目4项，市级1项，主持教改课题1项，核心参与省市级科研项目3项，发表论文4篇，参加广东省职业院校教学能力比赛高职组教学设计赛项获一等奖1项，指导学生获奖2项，指导学生参加广东省职业院校技能竞赛获一等奖2项、第十五届、第十六届“挑战杯”广东大学生课外学术科技作品竞赛获一等奖、特等奖及其它竞赛奖项30多项，新建1家校外实践教学基地，建设校内实训室2个。

言 e 言 e 前 Prefac 随着人工智能技术的飞速发展，深度学习已成为推动产业变革的核心驱动力。 TensorFlow作为当前主流的深度学习框架之一，以其强大的功能、灵活的架构和丰富 的生态，深受学术界和工业界的青睐。为帮助读者系统掌握 TensorFlow的核心概念 与实践技能，并能将其应用于人脸识别工程领域，我们编写了本书。本书内容源于编 者在人工智能领域的教学心得与项目实践经验，旨在成为一本连接理论与实践的实用 指南。 本书共分为五个核心模块，内容设计遵循从基础到进阶、从理论到实践的学习认 知规律。 模块 1为数学与深度学习基础，深入讲解 TensorFlow的计算图（静态计算图、动 态计算图、Autograph）构建方式与自动微分（tf.GradientTape）机制，为读者理解 框架底层原理和模型训练过程奠定基础。 模块 2为深度学习开发环境搭建，详细讲解了 Anaconda环境管理、PyCharm开发 工具配置、TensorFlow CPU/GPU版本的安装与验证，并辅以 Softmax()函数实现等基础 编程任务，确保读者搭建出稳定的开发环境。 模块 3为回归算法与神经网络，以经典的 MNIST手写数字识别和波士顿房价预测 为例，介绍多层感知机（MLP）的构建、训练、评估与预测的全过程，详解数据处理、 模型设计、损失函数与优化器选择等关键环节。 模块 4为深度学习网络，重点探讨卷积神经网络（CNN）和残差网络（ResNet）。 从原理入手，详细...