深度学习：核心技术、工具与案例解析

本书由微软亚洲研究院的资深AI工程师撰写，是一本面向初学者的、以实战为导向的深度学习指南。本书首先详细讲解了深度学习的知识体系、核心概念、模型与算法、工具和库（TensorFlow等）等全栈技术知识，然后以案例的形式讲解了如何将这些知识应用到计算机视觉、自然语言处理、语音识别、对话机器人、人脸识别、自动驾驶领域。

这是一本面向初学者的、以实战为导向的深度学习指南。本书首先详细讲解了深度学习的知识体系、核心概念、模型与算法、工具和库(TensorFlow等)等全栈技术知识，然后以案例的形式讲解了如何将这些知识应用到计算机视觉、自然语言处理、语音识别、对话机器人、人脸识别、自动驾驶领域。 本书的内容涵盖了深度学习基础技术发展、TensorFlow特点、卷积神经网络(CNN)概述、循环神经网络(RNN)原理与应用、TensorBoard可视化工具、分布式多主机运行、队列在多架构运行中的作用等多个方面。其中，深度学习基础技术发展主要涵盖了深度学习的算法原理、网络结构、以及深度学习在计算机视觉、自然语言处理等领域的应用。TensorFlow特点主要表现在其灵活性、易用性、高性能等方面。卷积神经网络(CNN)概述主要介绍了CNN在语音识别、图像识别和物体检测等计算机视觉问题中的应用。循环神经网络(RNN)原理与应用主要涉及的是如何利用神经网络处理时序数据，例如文本和语音数据。TensorBoard可视化工具是一种强大的工具，它可以帮助我们直观地观察和理解深度学习模型在训练过程中的计算图。分布式多主机运行是