前言

隨著云計算、大數(shù)據(jù)、人工智能技術(shù)的深度發(fā)展，大數(shù)據(jù)帶來了海量多源異構(gòu)數(shù)據(jù)的積累，云計算帶來了超強計算能力，在這樣呼喚創(chuàng)新的新時代背景下，深度學習起起伏伏幾十載，今天終于走上了人工智能的巔峰�？梢哉f，經(jīng)過數(shù)據(jù)、算力（計算能力）、算法的深度融合和推動，深度學習已經(jīng)成長為目前最主流并且最具有應(yīng)用前景的機器學習技術(shù)。本書盡量避免過多繁雜的理論推導(dǎo)，力圖用深入淺出的語言表達，讓更多讀者輕松邁入深度學習的大門。同時，希望通過大量的案例和實戰(zhàn)應(yīng)用，幫助讀者快速上手、入門深度學習，了解深度學習可以應(yīng)用于哪些領(lǐng)域，擅長解決哪些經(jīng)典難題，以便在后續(xù)的學習研究過程中，從本書講解的方法論解析中獲得啟迪，找到真正屬于自己的解決人工智能領(lǐng)域問題的金鑰匙。

讀者對象

本書適合以下讀者群體閱讀：

（1）對人工智能、大數(shù)據(jù)、云計算等新興技術(shù)感興趣的愛好者

人工智能無疑是站在巨人肩膀大數(shù)據(jù)和云計算上的產(chǎn)物，可以說，數(shù)據(jù)和計算能力的支撐，是人工智能發(fā)展的基石，而深度學習就是這個領(lǐng)域最頂層的技術(shù)，因此，本書可以幫助讀者在入門深度學習的同時，對大數(shù)據(jù)和云計算技術(shù)有整體把握，理解深度學習在云計算、大數(shù)據(jù)時代的重要性。

（2）開源項目的愛好者

深度學習技術(shù)已經(jīng)創(chuàng)造了大量的開源項目，擁有大量的開源項目維護團隊和貢獻者。例如，Google開源的TensorFlow框架、賈揚清博士（現(xiàn)就職于Facebook）開源的Caffe框架、亞馬遜主推的MXNet框架等等。本書在實戰(zhàn)案例部分的講解涉及了不同開源框架的源代碼，以期在眾口難調(diào)的深度學習領(lǐng)域，實現(xiàn)調(diào)眾口的作用，幫助讀者了解和掌握主流深度學習框架源代碼的設(shè)計思想和核心技術(shù)。

（3）深度學習、機器學習、人工智能技術(shù)的開發(fā)者

不論是在市場還是技術(shù)層面，人工智能領(lǐng)域的關(guān)注度持續(xù)火熱。很多未入門深度學習的讀者都想近距離感受深度學習的魅力，而很多深度學習的初級開發(fā)者也苦于該領(lǐng)域的技術(shù)飛速更新迭代，很難梳理出適合自己領(lǐng)域的知識圖譜。因此，本書在講解中兼顧了對入門級讀者關(guān)于基本概念、基本知識點的介紹，并加強了在實戰(zhàn)部分對領(lǐng)域知識的總結(jié)，使得不同層次的開發(fā)者都可以從本書中得到急需的方法與技巧指導(dǎo)。

（4）高等院校計算機相關(guān)專業(yè)的大四和一年級碩士研究生

從學科分類的本質(zhì)屬性上講，深度學習與計算機科學與技術(shù)學科有很深的淵源，而高等院校計算機相關(guān)專業(yè)的學生，不論是在未來就業(yè)還是在求學期間的科學研究，都是深度學習領(lǐng)域研究的新生力量和重要創(chuàng)新、推廣、優(yōu)化、提升的動力儲備。本書在講解相對專業(yè)的理論知識點時，會穿插分析其中蘊含的方法論思想，希望可以為正在書海作舟的讀者們提供一些啟迪，增強對深度學習所涉及方法論知識的理解，為今后的工作、學習、生活提供一定的指導(dǎo)和幫助。

本書愿景

對于大多數(shù)理工科出身的程序員來說，人文社科類的思想、理論、見解，就像是海市蜃樓，愿景是如此美好，但是現(xiàn)實的骨感、抽象讓其望而卻步。因此本書可以作為以深度學習基礎(chǔ)理論為根基，以其蘊含的方法論思想為導(dǎo)向，幫助理工男（女）掌握深度學習核心技術(shù)，并懷著智者情懷，去懸壺濟世，融入新時代的人工智能大潮，去踐行長風破浪會有時，直掛云帆濟滄海的宏圖大志。

作為技術(shù)類的科技書籍，本書希望幫助讀者解析深度學習蘊含的方法論思維模式，同時培養(yǎng)其掌握深度學習實戰(zhàn)應(yīng)用的技能，進而完成在深度學習領(lǐng)域入門精通實戰(zhàn)的不斷提升，完成從新手小白到領(lǐng)域行家的轉(zhuǎn)變，從技能和方法論兩個層面上，全面武裝讀者，完成深度學習：從入門到實戰(zhàn)。

深度學習的意義

掌握深度學習的好處如下：

（1）從個人發(fā)展的角度講，作為一名新時代的程序員或者IT技術(shù)相關(guān)領(lǐng)域工作者，人工智能領(lǐng)域人才的極度短缺，這是一個全球性的行業(yè)現(xiàn)狀，因此，以深度學習為代表的核心技術(shù)也就是該領(lǐng)域從業(yè)者的核心競爭力。也就是說，掌握了深度學習技術(shù)，也就具備了進軍人工智能的通關(guān)令牌，這對接下來的技術(shù)提升、就業(yè)等方面都具有很大的推動作用。

（2）從知識學習的角度講，深度學習是一個交叉學科的產(chǎn)物，是橫跨現(xiàn)代生物學中的腦科學、心理學以及計算機科學中的數(shù)據(jù)工程、軟件工程、程序設(shè)計、并行計算等軟硬兼顧的技術(shù)。掌握了深度學習，讀者將會對計算機領(lǐng)域的相關(guān)技術(shù)構(gòu)建起一個更加清晰的知識圖譜，即便在計算機科學領(lǐng)域知識不斷拓展，新概念、新知識層出不窮的今天，掌握深度學習的核心思想與技術(shù)，對優(yōu)化個人知識結(jié)構(gòu)的合理性，提高綜合能力的全面性，都是大有裨益的。

（3）從思維模式的角度講，深度學習不僅是抽象的理論技術(shù)，更是一種鮮活有溫度的思維模式，熟練掌握深度學習的核心思維模式，構(gòu)建優(yōu)化的體系全局觀，運用局部微調(diào)、逐層優(yōu)化的處事策略，在各個領(lǐng)域都會產(chǎn)生普遍的適用價值。因此，也希望本書在思維模式上對讀者有所啟迪。

成為專業(yè)深度學習程序員的臺階

我們都知道，從小白到專業(yè)的程序員，是有幾個臺階需要逐一跨越的，下面梳理一下深度學習程序員的成長過程：

第一個臺階，操作系統(tǒng)入門。操作系統(tǒng)是連接用戶與機器之間的橋梁，掌握Linux操作系統(tǒng)的基礎(chǔ)知識、基本操作是邁進深度學習大門的第一步。雖然，目前也有基于Windows系列操作系統(tǒng)的深度學習開發(fā)組件，但從開發(fā)者成長的長遠角度講，不建議長期依賴Windows系統(tǒng)，對于一個開發(fā)者來講，自由、可控、高效永遠是第一追求。

第二個臺階，掌握編程語言。目前深度學習最友好的編程語言是Python。因此，在掌握一定面向?qū)ο缶幊碳记傻幕�礎(chǔ)上，不斷加深對Python編程模式、豐富的庫函數(shù)的理解與運用，是學習深度學習的重要階段。如果對Java和C（或C ）有一定編程學習基礎(chǔ)，這會對深度學習的進階有很大幫助。

第三個臺階，初步理解深度學習的基本原理。即使對機器學習、神經(jīng)網(wǎng)絡(luò)等基礎(chǔ)理論及算法無法全面吃透，但是從宏觀上了解其核心思想，也是對下一階段的實際運用大有好處。畢竟，理論可以指導(dǎo)實踐，同時實踐可以反哺理論的完善與理解。

第四個臺階，初步掌握深度學習的框架。有了對深度學習基本原理的理解，結(jié)合目前主流的深度學習框架，對其進行深入剖析，從實戰(zhàn)的角度促進對原理的理解。至于深度學習框架，Keras和Caffe目前比較適合初學者入門。

第五個臺階，在實戰(zhàn)中增強對基本原理和框架的駕馭能力。理論和實踐是相輔相成的，將二者相互促進、相互融合是一個成功的深度學習程序員的最高境界。

在跨越了這五個臺階之后，只需要再經(jīng)歷一些大型實戰(zhàn)項目的深度歷練，即可成為一個優(yōu)秀的深度學習程序員。

深度學習的進階地圖

結(jié)合多年的人工智能領(lǐng)域?qū)W習和成長經(jīng)驗，我們勾勒出一個深度學習的進階地圖（roadmap）。

學習

階段 學習內(nèi)容和目標 上機

實踐

入門 操作系統(tǒng)基礎(chǔ)知識，尤其強化對Linux操作系統(tǒng)的運用技能訓練；編程語言的熟練掌握，尤其加強的Python的基本語法規(guī)則、函數(shù)庫的掌握與運用 18小時

精通 理解深度學習的基本原理，掌握神經(jīng)元模型、BP神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成式對抗網(wǎng)絡(luò)的核心技術(shù)。 24小時

掌握深度學習的主流開發(fā)框架，至少精通一種成熟的框架。以Caffe為例，可以實現(xiàn)對深度學習的基本原理的實現(xiàn)，包括單神經(jīng)元、單層網(wǎng)絡(luò)、多層網(wǎng)絡(luò)、BP算法、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成式對抗網(wǎng)絡(luò)的實現(xiàn)及參數(shù)調(diào)優(yōu)，并且可以對模型結(jié)構(gòu)進行適度優(yōu)化調(diào)整。 24小時

實戰(zhàn) 結(jié)合深度學習基本理論及開發(fā)框架，對語音、視頻、自然語言理解、計算機視覺等方面進行實戰(zhàn)化項目開發(fā)和驗證，并構(gòu)建不同領(lǐng)域解決問題方案的架構(gòu)體系，針對效率、效果、性能等方面的問題，可以創(chuàng)造性地提出優(yōu)化的高性能深度學習模型，并在實戰(zhàn)中取得良好效果。 36小時

根據(jù)深度學習的進階地圖和學習經(jīng)驗，我們設(shè)計了本書的內(nèi)容。全書共12章，分為3篇，下面分別介紹這三篇的內(nèi)容安排。

第1篇深度學習入門篇

第1篇可被視作是深度學習相關(guān)基礎(chǔ)知識的濃縮，幫助讀者回顧并初步了解深度學習最核心的內(nèi)容。深度學習的入門篇包括第0~2章，其中第0章旨在幫助讀者理清深度學習、機器學習、人工智能之間的關(guān)系，從宏觀上把握整個深度學習領(lǐng)域的生態(tài)系統(tǒng)，了解深度學習的發(fā)展方向及前沿趨勢。第1章提綱挈領(lǐng)地講解矩陣理論、概率理論、機器學習方法、神經(jīng)網(wǎng)絡(luò)以及部分最優(yōu)化原理，旨在幫助讀者夯實深度學習的理論基礎(chǔ)，為進一步探索深度學習的核心技術(shù)充實知識儲備。第2章旨在幫助讀者揭開神經(jīng)網(wǎng)絡(luò)的神秘面紗，從單個M-P神經(jīng)元到感知機模型，再到多層前饋神經(jīng)網(wǎng)絡(luò)，逐步進入深度神經(jīng)網(wǎng)絡(luò)的核心世界，讓讀者按照神經(jīng)網(wǎng)絡(luò)不斷完善優(yōu)化的成長軌跡，感受一段深度學習的成長歷程。

總的來說，第1篇是拋磚引玉，畢竟深度學習是一個多學科交叉融合的技術(shù)，與其面面俱到不如突出重點，希望讀者從本篇開始夯實深度學習的理論基礎(chǔ)。

第2篇深度學習方法論解析篇

方法論是技術(shù)的靈魂；反之，技術(shù)是方法論的客觀體現(xiàn)。第2篇是深度學習的方法論解析篇，包括第3~5章，通篇貫穿著方法論的辯證思想，從圖像、視頻、語音等領(lǐng)域的關(guān)鍵技術(shù)出發(fā)，分別講解卷積神經(jīng)網(wǎng)絡(luò)（CNN）、生成式對抗網(wǎng)絡(luò)（GAN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的核心技術(shù)及其方法論思想。其中第3章以卷積神經(jīng)網(wǎng)絡(luò)中逐層抽象、平移不變、局部連接（稀疏）、權(quán)值共享等為核心，全方位詮釋人生智慧中升華、適應(yīng)、舍得、合作的精髓。第4章解讀了生成式對抗網(wǎng)絡(luò)中蘊含的博弈、學習、平衡的方法論思想。第5章通過案例剖析，講解循環(huán)神經(jīng)網(wǎng)絡(luò)中涉及的記憶與遺忘，借鑒與提升等思想。

本書的一大亮點就是在講解深度學習核心技術(shù)的同時，用大量的知識擴容和認知提升模塊剖析其中蘊含的方法論思想，以期對深度學習進行內(nèi)外兼修講解和重塑。

第3篇深度學習實戰(zhàn)篇

戰(zhàn)場是檢驗戰(zhàn)斗力的試金石。結(jié)合第1篇、第2篇的知識儲備，第3篇從實戰(zhàn)應(yīng)用的角度展示深度學習在多個維度的應(yīng)用場景，包括第6~11章。工欲善其事必先利其器，第6章介紹主流的深度學習工具及框架，對Python、MATLAB、TensorFlow、Caffe等工具進行了講解。第7章從圖像分類、特征提取、遷移學習、特征可視化角度全面解析首個深度卷積神經(jīng)網(wǎng)絡(luò)模型AlexNet的原理與實戰(zhàn)應(yīng)用。第8章從Hello Word級別的手寫數(shù)字開始，依次對手寫漢字識別、手寫數(shù)字角度矯正進行實戰(zhàn)，將手寫體識別進行到底。第9章以視頻監(jiān)控中人臉檢測和物體檢測為例，闡釋深度學習在安防領(lǐng)域的研究意義和研究現(xiàn)狀，剖析了深度學習在視頻監(jiān)控檢測中的實戰(zhàn)應(yīng)用。第10章介紹了信息安全領(lǐng)域的信息隱藏技術(shù)，并結(jié)合團隊最新研究成果，以生成式對抗網(wǎng)絡(luò)為核心技術(shù)提出無載體的信息隱藏方案。第11章以軟件設(shè)計大賽題目為背景，利用深度學習技術(shù)為服裝檢測問題提出可行的解決方案，是深度學習技術(shù)在服裝識別技術(shù)的有益探索。

本篇是對全書講解知識點的總結(jié)與提升，只有對知識點的融匯才能實現(xiàn)能力上的貫通，通過對所學知識的實戰(zhàn)應(yīng)用，相信讀者可以真正的融匯貫通。

本書學習建議

本書共分為3篇，第1篇為深度學習的入門篇，第2篇為深度學習的方法論解析篇，第3篇為深度學習的實戰(zhàn)篇。如果你是一名具有一定機器學習、人工智能基礎(chǔ)和實際操作經(jīng)驗的讀者，那么可以直接閱讀后兩篇。方法論解析篇側(cè)重于對經(jīng)典深度學習模型的原理講解及其蘊含的方法論解析，實戰(zhàn)篇側(cè)重于多領(lǐng)域的案例實戰(zhàn)和解決方案分析，讀者可以按實際情況自行安排學習計劃。但是，如果你是一名初學者，建議你從第1篇開始仔細研讀所有的知識點，這對后續(xù)的學習是至關(guān)重要的。

后續(xù)學習與提高

有了本書的學習基礎(chǔ)，讀者可以從以下兩個方向進行后續(xù)學習和提高。

（1）繼續(xù)對深度學習的基礎(chǔ)理論進行深入學習，尤其對最優(yōu)化技術(shù)、矩陣論、并行計算等核心知識進行深入剖析，探索深度學習在理論上的突破。

（2）繼續(xù)將所學的深度學習理論和模型應(yīng)用到更廣闊的領(lǐng)域，包括語音、圖像、視頻、自然語言理解、計算機視覺；其實，對其中任意一個領(lǐng)域的不斷探索都可以讓你成為該領(lǐng)域的專家。

當然，希望你不斷保持對人工智能領(lǐng)域技術(shù)的探索熱情，繼續(xù)閱讀更多的深度學習著作，不斷提升自己的核心技術(shù)能力，真正成為深度學習的行家里手。

輔助學習材料

Caffe官方教程中譯本

人工智能頂級會議論文

本書源代碼

本書參考文獻和全書參考資源

以上內(nèi)容，我們整體打包放在了封底二維碼中，讀者可掃碼下載學習。

致謝

深度學習的原理與人的一生極為相似，都是在以不斷追求目標利益最大化的前提下，反復(fù)的磨練、妥協(xié)、修正、適應(yīng)、取舍、優(yōu)化，不斷地權(quán)衡利弊，不斷地折中妥協(xié)，不斷地在舍得中博弈決策，最終實現(xiàn)目標效益的最優(yōu)化。筆者希望在講解理論技術(shù)的同時，將這些人生感悟與讀者分享，給還在不斷探索與追逐夢想的讀者一些啟迪，找到屬于自己的螺旋式上升，波浪式前進的人生之路。

在本書的撰寫過程中，崔翛龍教授、張之明教授提出了大量寶貴建議，同時感謝碩士研究生曾子賢、彭圳生、段妍羽、王赟、張俊等做了資料整理以及文字校正工作，在此表示由衷的感謝。

感謝武信和位智團隊的小伙伴們，從你們那里，我看到了一個充滿活力、充滿創(chuàng)造力，能打仗、打勝仗的鐵一般的隊伍。

感謝本書的所有編輯，感謝大家的辛勤勞動，是你們的支持與鼓勵才有這本書的順利出版。

最后感謝我的家人以及未來的妻子文文，你們是我不懈奮斗的動力。

編者

2018年4月