深度学习程序设计实战

本书以Python语言和Tensorflow为工具，由浅入深地讲述了深度学习程序设计的基本原理、算法和思考问题的方法，内容包括自顶向下的程序设计、递归程序设计、面向对象的程序设计、反向传播算法、三层神经网络、卷积神经网络、循环神经网络、生成式对抗网络和目标检测等。本书重在研究代码背后深刻的计算机理论和数学原理，试图说明代码是对理论和思想的实现手段，而不是目的。学以致用是本书的宗旨，提高读者编程水平和动手能力是本书的目的。本书通过大量有趣的实例，说明了理论对深度学习程序设计实践的指导意义。

这是一本以Python语言和Tensorflow为工具，由浅入深地讲述了深度学习程序设计的基本原理、算法和思考问题的方法的书籍。书中内容涵盖了自顶向下的程序设计、递归程序设计、面向对象的程序设计、反向传播算法、三层神经网络、卷积神经网络、循环神经网络、生成式对抗网络和目标检测等。 书中首先介绍了分解问题到最小可解问题的重要性，并详细阐述了自顶向下程序设计流程和递归程序设计基本概念。书中还深入探讨了封装与继承在OOP中的应用，以及导数与函数变化关系，并详细讲解了梯度下降法求解函数最小值的方法。 书中进一步介绍了自动求导在人工智能框架中的应用，以及神经元网络训练算法，并详细阐述了三层神经网络理解与应用。书中还深入探讨了样本数量与拟合能力的关系，并详细讲解了卷积神经网络特点和池化操作在深度学习中的应用与影响。 书中还详细介绍了LSTM模型的基本概念和实现，以及GAN与VAE模型比较，并详细阐述了目标检测中的难点及解决方法，以及一步检测法的主要模型。