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，详细解析其核心结构（卷积层、池化层、残差块），并提供从零开始构

建、训练以及评估 

ResNet系列模型（如ResNet18、ResNet50）的完整代码实现，用

于实现图像分类任务。

模块 

5为深度学习人脸表情识别，系统介绍了从数据准备、模型构建、训练优化

到实际应用的全流程。以 

FER2013和 

Pins数据集为例，详细介绍如何进行人脸检测、

如何利用 

CNN构建表情分类模型，以及如何将检测与分类模型串联实现端到端的人脸

表情识别。内容涵盖数据预处理、模型训练、检测结果与部署等关键环节，帮助读者

掌握人脸识别项目的实践技能。

本书具有如下特点。

（1）系统性强：内容安排循序渐进，覆盖了从环境准备、基础理论讲解到复杂模

型实现的完整学习链条。

（2）注重实践：本书包含大量可运行的代码示例和详尽的步骤讲解，强调动手实

践，所有案例均提供完整代码。每个任务均配有清晰的代码实现和运行结果，强调调

试技巧与工程实践。

（3）案例驱动：本书围绕手写数字识别、房价预测、图像分类等经典问题展开，

确保学习目标明确，成果可见。

（4）详解原理：在介绍应用的同时，深入讲解自动微分、梯度控制、残差连接等

重要概念的工作原理，使读者不仅“知其然”，更“知其所以然”。

本书由江跃龙、孟思明、龚俭龙任主编，易丹和刘薇任副主编。编写过程中，江

跃龙负责本书整体结构的设计与模块 

1、模块 

2、模块 

4的编写；孟思明负责模块 

3

的编写；龚俭龙负责模块 

5的编写与项目整合；易丹和刘薇参与了代码测试、案例

优化与校验工作。全体编写人员通力协作，确保了本书内容的技术准确性和教学适

用性。

深度学习技术日新月异，编者虽竭力而为，然书中疏漏与不足之处在所难免，恳

请各位读者和专家批评指正，我们将不胜感激。希望本书能为读者打开深度学习的大

门，并为读者在探索人工智能的道路上提供有益的助力。

编　者 

2025年 

9月

源代码