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。

人工智能算法最早可以追溯至 17 世纪。贝叶斯、最小二乘法等统计学习方法的诞生，奠定了人工智能理论的基础。现在被社会所熟知的人工智能，
更多指的是自 20 世纪末崛起的机器学习技术和 21 世纪以来逐渐被广泛应用的神经网络技术。随着信息技术的发展，人工智能站在了时代的前沿，成为
最热门的学科和研究方向之一。
本书主要介绍人工智能浪潮中重要的组成部分——深度学习技术与应用，为读者深入讲解深度学习技术的原理与实践，从而使读者能够实现现实生活中常见的应用，如目标检测、图像生成、模型部署等任务。本书结合随机数（浙江）智能科技有限公司“派 Lab”人工智能教学实训平台，解决大范围理工科学生对深度学习课程所需的算力支撑、实验案例资源、可扩展性的人工智能开放实验平台的需求，全方位支撑课程教学、实操、
考核及科研活动。 
本书包含以下内容： 
（1）绪论 深度学习：介绍了从人工智能到机器学习，再到深度学习的发展史、机器学习与深度学习的区别、深度学习案例的实现与应用。
（2）项目一 基于 TensorFlow 实现线性回归：通过三个任务，让读者了解 TensorFlow 的张量与变量的概念、实现四则运算和使用 TensorFlow搭建线性回归模型。
（3）项目二 搭建人工神经网络：介绍了人工神经网络到感知机再到全连接神经网络的发展，还介绍了梯度下降、前向传播、反向传播等概念，以及 TensorFlow 中 keras 库的使用方法。
（4）项目三 卷积神经网络实战：介绍了卷积神经网络在计算机视觉中的应用、卷积神经网络的框架经典的网络结构，以及常用的激活函数和损失函数。通过五个任务，实现了经典的分类任务。
（5）项目四 循环神经网络实战：通过五个任务，使读者了解循环神经网络的应用场景、循环神经网络及其变体，以及对学习率的配置。
（6）项目五 生成对抗网络实战：通过三个任务，介绍了有监督学习与无监督学习的应用场景，以及生成对抗网络的工作原理和应用领域。
（7） 项 目 六 TensorFlow.js 实 战： 通 过 四 个 任 务， 介 绍 了 基 于TensorFlow.js 框架搭建网页端的人工智能应用，实现深度学习模型的应用部署。
本书特色如下： 
（1）通过建设人工智能在线教学实训平台，实现线上线下相结合，课内课外互通。利用该开放实训平台，学生在课堂内未完成的实验任务，可以在课堂外继续完成。
（2）以项目任务的方式讲解，以应用为导向，着重培养思维的启发和解决问题的能力，让读者在做中学。
（3）提供课件、源代码等供读者学习。为了配合课堂教学和自学，编者制作了高质量的教学课件、案例源代码和学习视频等，并不断更新平台的实训案例。
本书由董佳佳、巩建学、赵瑞丰任主编，葛鹏、李俊吉、汪胜平、刑文文、卓树峰任副主编，曲文鹏、徐立强、周玉萌参与编写。为了方便组织教学，
本书配套的相关资料可通过“派 Lab”人工智能教学实训平台查看并下载，还可与编者联系（E-mail：15212639568@163.com）索取或者登录中国铁
道出版社教育资源平台 http://www.tdpress.com/51eds/ 下载。
由于时间仓促，编者水平有限，书中难免存在疏漏和不妥之处，敬请广
大读者批评指正。 

编者 

2023 年 10 月

绪论 深度学习. 1
项目一 基于 TensorFlow 实现线性回归 .. 7
【项目概述】. 7
【项目目标】. 7
【知识链接】. 7
1．TensorFlow 的概念 7
2．TensorFlow 的应用 8
3．张量与变量 9
4．线性回归算法 11
【项目实施】.. 13
任务一 使用 TensorFlow 实现四则运算 ..13
任务二 使用 TensorFlow 实现一元线性函数计算 ..15
任务三 使用 TensorFlow 搭建线性回归模型 .16
【测验】  18
【项目总结】.. 20
项目二 搭建人工神经网络 . 21
【项目概述】.. 21
【项目目标】.. 21
【知识链接】.. 21
1．人工神经网络 21
2．感知机 24
3．全连接神经网络 ..26
4．前向与反向传播 ..27
5．认识 TensorFlow.keras 框架 ..33
【项目实施】.. 37
任务一 搭建一个全连接神经网络 37
任务二 加载经典 Mnist 数据集 ..38
任务三 搭建全连接网络模型实现手写数字识别 42
任务四 搭建全连接网络模型实现手势识别 ..44
【测验】  47
【项目总结】.. 48
项目三 卷积神经网络实战 . 49
【项目概述】.. 49
【项目目标】.. 49
【知识链接】.. 50
1．深度学习在计算机视觉中的应用 .50
2．卷积神经网络 55
3．经典的卷积神经网络 58
4．激活函数 ..61
5．损失函数 ..64
6．FCN 网络 .66
【项目实施】.. 67
任务一 搭建一个卷积神经网络 .67
任务二 使用卷积神经网络实现服装分类 69
任务三 使用全卷积神经网络实现宠物识别 ..72
任务四 模型的存储与调用 79
任务五 基于 YOLO 模型实现目标检测 82
【测验】  85
【项目总结】.. 87
项目四 循环神经网络实战 . 88
【项目概述】.. 88
【项目目标】.. 88
【知识链接】.. 88
1．自然语言处理 88
2．自然语言处理的应用场景 .90
3．循环神经网络及其变体 ..91
【项目实施】.. 95
任务一 搭建一个循环神经网络 .95
任务二 搭建一个 LSTM 网络 .97
任务三 学习率衰减实践 .98
任务四 使用循环神经网络实现垃圾邮件检测 ..100
任务五 使用循环神经网络实现自动生成纯音乐 .106
【测验】 . 112
【项目总结】 113
项目五 对抗生成网络实战 114
【项目概述】 114
【项目目标】 114
【知识链接】 114
1．有监督、无监督学习 .114
2．生成对抗网络 .118
3．生成对抗网络工作过程 119
4．生成对抗网络的常见应用 ..120
【项目实施】 123
任务一 搭建一个 GAN 网络 .123
任务二 使用 GAN 模型生成手写数字 125
任务三 使用 GAN 模型生成二次元动漫头像 130
【测验】 . 140
【项目总结】 141
项目六 TensorFlow.js 实战 .142
【项目概述】 142
【项目目标】 142
【知识链接】 142
1．TensorFlow.js 142
2．网页编程语言 .144
【项目实施】 145
任务一 配置环境 ..145
任务二 基于 TensorFlow.js 实现回归预测 .149
任务三 基于 TensorFlow.js 部署网页版手写数字识别 ..151

董佳佳，1982年5月，女，山东工业职业学院副教授，山东省优秀教师。全国优秀指导教师、全国职业院校技能大赛裁判，山钢青年岗位能手标兵、学校青年技能名师、教学名师、专业带头人、最美教师、优秀教师、优秀班主任、最受学生欢迎教师。全国人工智能职教集团智能技术应用专委会主任，山东电子学会职教专委会常务委员，山东省人工智能学会委员，石河子工程职业技术学院大数据技术专委会副主任。主持国家资源库子项目1项；主持教育部就业育人项目1项；主持教育部X证书试点2个；教育部高校思想政治工作精品项目信息类专业群“课程思政”带头人。

巩建学，山东工业职业学院校企合作与实训处副处长、国际交流与继续教育学院副院长，副教授，毕业于山东理工大学，研究方向：人工智能应用，全国物联网专业优秀学科带头人，省级教学团队骨干成员，学院第二批课程建设带头人，学院青年技能名师，全国职业院校技能大赛裁判、山东省电子信息大赛评委、淄博市技能大赛评委，淄博市优秀教师，主持山东省教学成果二等奖1项，山东省公共实训基地1项，山东省乡村振兴示范校负责人，发表学术专著2本，主编教材2本，主持参与教科研课题12项，指导学生参加全国职业院校技能大赛获一等奖1项并获得优秀指导教师，二等奖2项，三等奖1项，山东省职业院校技能大赛一等奖4项并获得优秀指导教师，二等奖3项、三等奖2项，指导学生参加全国大学生挑战杯创新创业大赛获得国赛二等奖1项，省赛二等奖2项，指导学生参加全国高职高专创新创业大赛获得全国一等奖2项，二等奖2项并获得优秀指导教师。另获得各种比赛奖励20余项。

赵瑞丰，男，28岁，硕士毕业于澳门科技大学，擅长的领域为计算机视觉方向。本科及研究生期间多次参与机器人、智能车等人工智能相关竞赛，担任过助教讲师并发表多篇CV方向EI和SCI论文。曾就职于中国科学院自动化研究所，担任研究员2年。目前担任随机数（浙江）智能科技有限公司教学总监，组织并规划数十场人工智能职业教育师资培训，并完成高质量人工智能技术授课。截至目前已支持线上教学培训20余场，线下10余场，支持院校50+所，辅导学员200+人次，满意度高达95%以上。

（1）通过建设人工智能在线教学实训平台，实现线上线下相结合，课内课外互通。利用该开放实训平台，学生在课堂内未完成的实验任务，可以在课堂外继续完成。
（2）以项目任务的方式讲解，以应用为导向，着重培养思维的启发和解决问题的能力，让读者在做中学。
（3）提供课件、源代码等供读者学习。为了配合课堂教学和自学，编者制作了高质量的教学课件、案例源代码和学习视频等，并不断更新平台的实训案例。