TensorFlow深度学习应用实践

推荐序

次见王晓华是他来我这里做培训，我正好路过门口，听见教室里笑声震天，就好奇地伸头进去看看。一个胖胖的男孩在给一群我们新招的工作人员做培训，好像是在讲代码方面的问题。可以看得出他讲得非常好，底下的听讲者都在抬着头认真听他讲课。要知道其中不乏有清华、北大的佼佼者，而他，却能够轻车熟路地引导他们的思路，驾驭整个课堂。

后来正式认识他也是机缘巧合，一位计算机专业的老同事问我有没有兴趣审阅一本云计算方面的书，当时云计算正好是IT热点，我也想乘此机会做一个了解，就欣然答应。因为我平常也做计算机方面的教学工作，对于教材好坏的敏感性是非常强烈的。有些书虽然署名是中国人，但是很多内容直接就是对外国教材的翻译，既然翻译就要做到“信达雅”，而往往连基本的“信”都做不到，根本不适合初学者或者学生使用。因此当刚拿到这本书的初稿时，我也有疑虑——是不是又是一本翻译的书，他写的书我是不是能看懂。抱着这些疑虑，我翻开书稿的页，从前言开始，逐渐向我们展示了云计算编程中一个美丽而神秘的世界。全书使用浅显易懂的语句，对每个知识点进行重点分析，同时列举了大量的编程实例，向读者讲解每个类、每个语句的用法，还特别细心地对每条代码做出注释。其用心之严密，着实让人感叹。

后来我们正式见面于南京工业大学的怡园，那天我记得很清楚，外面细雨打着蕉叶，我品着绿茶慢慢地陷入沉思。一声“殷老师”将我从思索的世界拉回现实。面前站立着一个戴着眼镜，略微显得羞涩而紧张的男孩，从他那胖胖的身形，我依稀觉得在哪见过。“哦，你就是王晓华。”“嗯，是的，我是王晓华，谢谢您抽时间给我审稿。”他首先向我表示感谢。我突然感觉有点不好意思，因为其实我也不是太懂，部分是出于学习的目的审阅此书，而此时这个年轻人一口一个殷老师地叫着，谦虚得很。

此次见面，我们交谈甚欢，从云计算谈起，谈到了TensorFlow的开源，谈到了深度学习对商业领域产生的影响和其中蕴含的商机，又谈到了人工智能会对未来社会带来的变革。他一改初见我时青涩稚嫩的形象，侃侃而谈。可以看得出他是对这行真正用心去了解的人，不由得对他刮目相看，并萌生了为其作序的想法。这也就是这篇序的来历。

说了那么多，下面介绍一下这本书吧。首先这本书是介绍人工智能和深度学习的。可能不少人和曾经的我一样有很多疑问，许多以前必须由人工完成的任务，人工神经网络能否为我们代劳？很多人不相信，直至神经网络真的做到了这一点。

人工神经网络在各个领域逐步深入人类社会，基于卷积神经网络的图像描述可以给每幅图片打上独特的标签，借助于循环神经网络的语音识别将推动物联网革命，人工智能是一场深刻的革命，确实在改变我们的生活。虽然我在此仅仅提及了图像、语音和行为三个方面，但是对于人工智能的机会来说远不止这三个方面，在自然语言处理、生物技术等方面，人工智能也有很多东西可以做，这些领域都有创新正在发生，人工智能也可以更多地被应用到机器人的开发中。

我觉得，这本书是写给有志于深度学习的人看的，书中不仅有TensorFlow程序设计的方法介绍，更多的是传递作者对深度学习和人工智能未来发展的思考。我希望这本书能够将更多的有志之士带到这一条通向未来的辉煌之路上来，从而造就更多的人才。

南京工业大学殷芳

目    录

目  录

第1章  星星之火          1

1.1  计算机视觉与深度学习        1

1.1.1 
人类视觉神经的启迪         2

1.1.2 
计算机视觉的难点与人工神经网络         3

1.1.3 
应用深度学习解决计算机视觉问题         4

1.2  计算机视觉学习的基础与研究方向   5

1.2.1 
学习计算机视觉结构图    5

1.2.2 
计算机视觉的学习方式和未来趋势         6

1.3  本章小结        7

第2章  Python的安装与使用     8

2.1 
Python基本安装和用法        8

2.1.1 
Anaconda的下载与安装   9

2.1.2 
Python编译器PyCharm的安装         12

2.1.3 
使用Python计算softmax函数         16

2.2 
Python常用类库中的threading   17

2.2.1 
threading库的使用    18

2.2.2 
threading模块中重要的Thread类       18

2.2.3 
threading中的Lock类       19

2.2.4 
threading中的join类         20

2.3  本章小结        21

第3章  深度学习的理论基础——机器学习     22

3.1  机器学习基本分类        22

3.1.1 
基于学科的分类         22

3.1.2 
基于学习模式的分类         23

3.1.3 
基于应用领域的分类         23

3.2  机器学习基本算法        24

3.2.1 
机器学习的算法流程         24

3.2.2 
基本算法的分类         25

3.3  算法的理论基础   26

3.3.1 
小学生的故事——求圆的面积         27

3.3.2 
机器学习基础理论——函数逼近    27

3.4  回归算法        29

3.4.1 
函数逼近经典算法——线性回归    29

3.4.2 
线性回归的姐妹——逻辑回归         31

3.5  机器学习的其他算法——决策树        32

3.5.1 
水晶球的秘密    32

3.5.2 
决策树的算法基础——信息熵         33

3.5.3 
决策树的算法基础——ID3算法      34

3.6  本章小结        35

第4章  Python类库的使用——数据处理及可视化展示          37

4.1  从小例子起步——NumPy的初步使用        37

4.1.1 
数据的矩阵化    37

4.1.2 
数据分析    39

4.1.3 
基于统计分析的数据处理         40

4.2  图形化数据处理——Matplotlib包使用      41

4.2.1 
差异的可视化    41

4.2.2 
坐标图的展示    42

4.2.3 
玩个大的    44

4.3  深度学习理论方法——相似度计算   46

4.3.1 
基于欧几里得距离的相似度计算    46

4.3.2 
基于余弦角度的相似度计算    47

4.3.3 
欧几里得相似度与余弦相似度的比较    48

4.4  数据的统计学可视化展示   49

4.4.1 
数据的四分位    49

4.4.2 
数据的四分位示例    50

4.4.3 
数据的标准化    53

4.4.4 
数据的平行化处理    55

4.4.5 
热点图——属性相关性检测    57

4.5 
Python实战——某地降水的关系处理        58

4.5.1 
不同年份的相同月份统计         58

4.5.2 
不同月份之间的增减程度比较         59

4.5.3 
每月降水不相关吗    60

4.6  本章小结        61

第5章  OpenCV的基础使用       62

5.1 
OpenCV基本的图片读取      62

5.1.1 
基本的图片存储格式         62

5.1.2 
图像的读取与存储    64

5.1.3 
图像的转换         65

5.1.4 
使用NumPy模块对图像进行编辑   66

5.2 
OpenCV的卷积核处理 68

5.2.1 
计算机视觉的三种不同色彩空间    68

5.2.2 
卷积核与图像特征提取    68

5.2.3 
卷积核进阶         70

5.3  本章小结        72

第6章  OpenCV与TensorFlow的融合       73

6.1  图片的自由缩放以及边缘裁剪   73

6.1.1 
图像的扩缩裁挖         73

6.1.2 
图像色调的调整         74

6.1.3 
图像的旋转、平移和翻转         76

6.2  使用OpenCV扩大图像数据库     77

6.2.1 
图像的随机裁剪         77

6.2.2 
图像的随机旋转变换         78

6.2.3 
图像色彩的随机变换         79

6.2.4 
对鼠标的监控    80

6.3  本章小结        81

第7章  Let’s play
TensorFlow   82

7.1 
TensorFlow游乐场         82

7.1.1 
I want to play a game 82

7.1.2 
TensorFlow游乐场背后的故事 86

7.1.3 
如何训练神经网络    88

7.2  初识Hello
TensorFlow   89

7.2.1 
TensorFlow名称的解释     89

7.2.2 
TensorFlow基本概念 89

7.2.3 
TensorFlow基本架构 92

7.3  本章小结        93

第8章  Hello TensorFlow，从0到1   94

8.1 
TensorFlow的安装         94

8.2 
TensorFlow常量、变量和数据类型    96

8.3 
TensorFlow矩阵计算    100

8.4 
Hello TensorFlow    102

8.5  本章小结        107

第9章  TensorFlow重要算法基础      108

9.1 
BP神经网络简介  108

9.2 
BP神经网络中的两个基础算法  110

9.2.1 
小二乘法（LS算法）详解    111

9.2.2 
道士下山的故事——梯度下降算法         113

9.3 
TensorFlow实战&mdas