深度学习已经进入我们的生活，云计算和大数据为深度学习提供了便利。本书主要讲解深度学习中的数学知识、算法原理和实现方法，配套源码、数据集和开发环境。 本书共12章。第1章介绍人类视觉和深度学习的联系。第2章介绍深度学习中最为重要的梯度下降算法。第3章介绍卷积函数。第4章介绍计算损失函数所使用的交叉熵、决策树和信息熵。第5章介绍线性回归和逻辑回归。第6、7章介绍时间序列模型和生成对抗网络。第8章介绍TensorFlow框架。第9章介绍推荐算法。第10章介绍深度学习中的标准化、正则化和初始化。第11章是案例人脸识别。第12章是词嵌入向量案例，介绍自然语言处理方面的应用。 本书理论和实践相结合，理论讲解细致直观，通过实例进行演示，可以使读者快速掌握本书内容。本书适合深度学习初学者、深度学习算法开发人员阅读，也适合高等院校和培训机构人工智能相关专业的师生参考。

王晓华，计算机专业讲师，长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程；主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立科研项目获省级成果认定，发表过多篇论文，拥有一项国家专利。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow 2.0卷积神经网络实战》《TensorFlow+Keras自然语言处理实战》等图书。

前 言 随着深度学习和人工智能的兴起，深度学习和人工智能引领了一个新的全行业的研究方向，改变了人类固有的处理问题和解决问题的方法和认知。目前各个领域都在处于使用深度学习进行重大突破的阶段，同时深度学习本身也具有巨大的发展空间。 深度学习作为目前最前沿的科技应用，近年来获得了非常高的发展速度，应用深度学习解决以往实践中的难题成为很多开发人员的首选。 目前市场上关于深度学习的书不少，然而基本上以应用居多，偶尔会涉及理论应用，但真正从理论出发，通过数学原理加理论的方式讲解一定公式的书却很少。 本书从深度学习的基础知识出发，对深度学习每个组成部分的原理进行介绍，并推导出其中的原理和数学公式。鉴于读者的水平可能参差不齐，笔者对每个公式和知识点都做了详细的讲解，可以说是手把手地向读者传授深度学习的理论知识。 本书并不是单纯的理论公式堆积，同时还准备了具体的实现代码，让读者学习知识的同时，能通过动手实践深入了解这些知识。 本书特色 讲解活泼，文字有趣，提高学习效率 本书以讲解深度学习数学原理和理论为基础，但是从写作方法和技巧上来看，本书写作风格活泼，讲解通俗易懂，便于读者理解。 运用多种写作技巧，激发读者阅读兴趣 本书应用多种写作手法，数学原理、公式推导、实现代码以及示图交相出现，便于读者理解。 主线贯穿，重点明确，脉络清晰 本书对全部知识点的脉络有一个清晰的主线，每个知识点都指明了核心要点和使用技巧，使阅读者能够明确重点。本书循序渐进地讲解原理，对其发展和改进技巧都做了明确介绍。 注重实战，拿来即用 本书所有的内容都有代码支持，具有很高的应用价值和...