崔煒，男，副教授，廣東松山職業技術學院計算機與信息工程學院副院長，從事計算機專業教學 18 年，在《International Journal of Digital Content Technology and its Applications》、《科技通報》、《計算機與現代化》等多種雜志和刊物上發表論文 20 多篇，其中 EI 論文 1 篇、中文核心論文 2 篇、科技核心論文 1 篇；主持參與各類課題項目 10 多項，參與編寫出版教材 6 部。獲得的教學表彰/獎勵有：2017 年廣東省職業院校教師信息化教學大賽高等職業教育組信息化課堂教學比賽榮獲三等獎；2008 年計算機教育軟件評審高等教育組多媒體課件三等級、寶鋼集團廣東韶關鋼鐵有限公司科協 2012~2013 年度優秀科技論文三等獎、2014 年優秀教師、2019 年優秀黨員、2019 年廣東省職業院校“超星杯”微課大賽（高職組）中榮獲二等獎、2020 年廣東省職業院校“超星杯” 微課大賽（高職組）中榮獲三等獎、2021 年廣東省職業院校“超星杯”微課大賽（高職組）中榮獲二等獎。
張良均
資深大數據專家，廣東泰迪智能科技股份有限公司董事長，國家科技部入庫技術專家，全國專業學位水平評估專家，工信部教育與考試中心入庫專家，中國工業與應用數學學會理事，廣東省工業與應用數學學會副理事長，廣東省高等職業教育教學指導委員會委員，華南師範大學、中南財經政法大學等40餘所高校校外碩導或兼職教授，泰迪杯全國數據挖掘挑戰賽發起人。
曾在國內外重要學術刊物上發表學術論文10餘篇，主導編寫圖書專著60餘部，其中獲普通高等教育“十一五”規劃教材一部，“十三五”職業教育國家規劃教材一部；參與標準建設4項，主持課題1項、省部級課題4項。獲得SAS、SPSS數據挖掘認證及Hadoop開發工程師證書，具有信訪、電力、電信、銀行、制造企業、電子商務和電子政務的項目經驗和行業背景，並榮獲中國產學研合作促進獎、中國南方電網公司發明專利一等獎、廣東省農業技術推廣二等獎、廣州市荔灣區科學技術進步獎。

第 1章  深度學習概述1
1.1深度學習簡介1
1.1.1深度學習定義1
1.1.2深度學習常見應用2
1.2深度學習應用技術8
1.2.1深度學習與計算機視覺8
1.2.2深度學習與自然語言處理9
1.2.3深度學習與語音識別10
1.2.4深度學習與機器學習11
1.2.5深度學習與人工智能12
1.3TensorFlow簡介12
1.3.1各深度學習框架對比12
1.3.2TensorFlow生態14
1.3.3TensorFlow特性15
1.3.4TensorFlow的改進16
小結17
課後習題17
第2章 TensorFlow 2快速入門18
2.1TensorFlow 2環境搭建18
2.1.1搭建TensorFlow CPU環境18
2.1.2搭建TensorFlow GPU環境20
2.2訓練一個線性模型24
2.2.1問題描述24
2.2.2TensorFlow 2基本數據類型形式24
2.2.3構建網絡26
2.2.4訓練網絡27
2.2.5性能評估27
2.3TensorFlow 2深度學習通用流程28
2.3.1數據加載29
2.3.2數據預處理34
2.3.3構建深度學習神經網絡39
2.3.4編譯網絡45
2.3.5訓練網絡51
2.3.6性能評估53
2.3.7模型保存與調用61
小結65
實訓構建鳶尾花分類模型65
課後習題66
第3章深度神經網絡原理及實現67
3.1卷積神經網絡67
3.1.1卷積神經網絡中的核心網絡層68
3.1.2基於卷積神經網絡的圖像分類實例82
3.1.3常用卷積神經網絡算法及其結構84
3.2循環神經網絡88
3.2.1循環神經網絡中的常用網絡層89
3.2.2基於循環神經網絡的文本分類實例99
3.3生成對抗網絡103
3.3.1常用生成對抗網絡算法及其結構103
3.3.2基於生成對抗網絡的動漫人臉生成實例106
小結112
實訓112
實訓1基於卷積神經網絡的手寫數字圖像識別112
實訓2基於循環神經網絡的詩詞生成113
實訓3基於生成對抗網絡的手寫數字圖像生成113
課後習題113
第4章基於CNN的門牌號識別116
4.1目標分析116
4.1.1了解背景116
4.1.2數據說明117
4.1.3分析目標117
4.1.4項目工程結構118
4.2數據預處理119
4.2.1獲取目標與背景數據119
4.2.2基於HOG特征提取與SVM分類器的目標檢測122
4.3構建網絡127
4.3.1讀取訓練集與測試集128
4.3.2構建卷積神經網絡128
4.3.3訓練並保存模型129
4.4模型評估130
4.4.1模型性能評估130
4.4.2識別門牌號130
小結133
實訓基於卷積神經網絡實現單數字識別134
課後習題134
第5章基於LSTM網絡的語音識別135
5.1目標分析135
5.1.1了解背景135
5.1.2數據說明136
5.1.3分析目標136
5.1.4項目工程結構136
5.2數據預處理137
5.2.1劃分數據集137
5.2.2提取MFCC特征138
5.2.3標準化數據141
5.3構建網絡142
5.3.1設置網絡超參數142
5.3.2構建網絡層143
5.4訓練網絡144
5.4.1編譯網絡144
5.4.2訓練以及保存模型145
5.4.3模型調參145
5.5模型評估148
5.5.1泛化測試148
5.5.2結果分析149
小結150
實訓基於LSTM網絡的聲紋識別150
課後習題151
第6章基於CycleGAN的圖像風格轉換152
6.1目標分析152
6.1.1了解背景152
6.1.2分析目標153
6.1.3項目工程結構154
6.2讀取數據154
6.3數據預處理155
6.3.1隨機抖動155
6.3.2歸一化處理圖像156
6.3.3對所有圖像做批處理並打亂157
6.3.4建立迭代器157
6.4構建網絡158
6.5訓練網絡158
6.5.1定義損失函數158
6.5.2定義優化器159
6.5.3定義圖像生成函數159
6.5.4定義訓練函數160
6.5.5訓練網絡161
6.6結果分析162
小結163
實訓基於CycleGAN實現蘋果與橙子的轉換163
課後習題163
第7章基於TipDM大數據挖掘建模平臺的語音識別164
7.1平臺簡介164
7.1.1實訓庫165
7.1.2數據連接166
7.1.3實訓數據166
7.1.4我的實訓167
7.1.5繫統算法168
7.1.6個人算法170
7.2實現語音識別170
7.2.1配置數據源171
7.2.2數據預處理173
7.2.3訓練網絡176
7.2.4模型評估176
小結178
實訓實現基於LSTM網絡的聲紋
識別178
課後習題178