# 零、前言 本書旨在為您提供實用的機器學習動手入門，其目的是使任何人都可以在該領域開始工作。 我們將主要關注深度學習方法以及如何將其用于解決重要的計算機視覺問題，但是此處獲得的知識可以轉移到許多不同的領域。 在此過程中，讀者還將掌握如何使用流行的深度學習庫 TensorFlow。 # 這本書是給誰的 任何對實用的機器學習指南（特別是深度學習和計算機視覺）感興趣的人都將從閱讀本書中受益。 此外，以下人員也將受益： * 機器學習工程師 * 數據科學家 * 對學習深度學習和計算機視覺領域感興趣的開發人員 * 學習機器學習的學生 # 本書涵蓋的內容 第 1 章，“Tensorflow 的設置和簡介”，涵蓋了 TensorFlow 的設置和安裝，以及編寫用于機器學習的簡單 Tensorflow 模型。 第 2 章，“深度學習和卷積神經網絡”向您介紹了機器學習，人工智能以及人工神經網絡以及如何對其進行訓練。 它還涵蓋了 CNN 以及如何使用 TensorFlow 訓練自己的 CNN。 第 3 章，“Tensorflow 中的圖像分類”，討論了如何構建 CNN 模型以及如何訓練它們以對 CIFAR10 數據集進行分類。 它還探討了通過談論初始化和正則化的不同方法來幫助提高我們訓練后的模型的質量的方法。 第 4 章，“對象檢測和分割”教授對象定位，檢測和分割的基礎知識以及與這些主題相關的最著名的算法。 第 5 章，“VGG，接收模塊，殘差和 MobileNets”向您介紹了不同的卷積神經網絡設計，例如 VGGNet，GoggLeNet 和 MobileNet。 第 6 章，“自編碼器，變分自編碼器和生成對抗網絡”，向您介紹生成模型，生成對抗網絡和不同類型的編碼器。 第 7 章，“遷移學習”，涵蓋了遷移學習的用法并在我們自己的任務中實現。 第 8 章，“機器學習最佳實踐和故障排除”，向我們介紹了如何準備并將數據集拆分為子集并執行有意義的測試。 本章還討論了過擬合和過擬合以及解決這些問題的最佳實踐。 第 9 章，“大規模訓練”，教您如何在多個 GPU 和機器上訓練 TensorFlow 模型。 它還涵蓋了存儲數據并將其輸入模型的最佳實踐。 # 充分利用這本書 為了充分利用本書，讀者應該對 Python 編程語言以及如何安裝一些必需的軟件包有所了解。 本書將以簡單的語言介紹所有其他內容。 安裝說明將在本書和存儲庫中給出。 # 使用約定 本書中使用了許多文本約定。 `CodeInText`：指示文本，數據庫表名稱，文件夾名稱，文件名，文件擴展名，路徑名，虛擬 URL，用戶輸入和 Twitter 句柄中的代碼字。 這是一個示例：“將下載的`WebStorm-10*.dmg`磁盤映像文件安裝為系統中的另一個磁盤。” 代碼塊設置如下： ```py import tensorflow as tf # XOR dataset XOR_X = [[0, 0], [0, 1], [1, 0], [1, 1]] XOR_Y = [[0], [1], [1], [0]] ``` 當我們希望引起您對代碼塊特定部分的注意時，相關的行或項目以粗體顯示： ```py import tensorflow as tf # XOR dataset XOR_X = [[0, 0], [0, 1], [1, 0], [1, 1]] XOR_Y = [[0], [1], [1], [0]] ``` 任何命令行輸入或輸出的編寫方式如下： ```py $ pip install numpy $ pip install scipy ``` **粗體**：表示新術語，重要單詞或您在屏幕上看到的單詞。 例如，菜單或對話框中的單詞會出現在這樣的文本中。 這是一個示例：“從管理面板中選擇系統信息。” 警告或重要提示如下所示。 提示和技巧如下所示。