第2版前言

为什么写这本书

本书第1版于2018年10月出版，至今已3年多了。在这段时间里，TensorFlow由当初的1.x版发展到目前的2.7版，在架构、功能上都发生了很大变化。深度学习理论和应用也发生了很大变化，尤其在自然语言处理领域，越来越多的人开始使用Transformer架构来处理自然语言领域的问题，用它逐渐取代传统的RNN、LSTM和Bi-RNN等架构。

为与时俱进，我们决定编写本书的第2版[1]。第2版在内容上与第1版有较大差异。为了达到更好的聚焦效果，我们删除了数学、Theano基础的内容，保留和加强了TensorFlow基础、视觉处理、自然语言处理、强化学习等方面的内容，新增了目标检测算法及实践、Transformer架构及其实践等内容。

本书特色

本书基本保留了第1版的特色，具体包括：理论原理与代码实践相结合；采用循序渐进的原则，从简单到一般，把复杂问题简单化；图文并茂，使抽象问题直观化；实例说明，使抽象问题具体化。

读者对象

❑对机器学习、深度学习感兴趣的广大在校学生、在职人员。

❑对Python、TensorFlow感兴趣，并希望进一步提升的在校学生、在职人员。

如何阅读本书

本书共20章，按照从基础到实践的顺序展开，分为四个部分。

第一部分（第1～5章）为TensorFlow基础部分：第1章介绍Python和TensorFlow的基石NumPy；第2章介绍TensorFlow基础知识；第3、4、5章分别介绍TensorFlow构建模型的方法、数据处理及可视化等内容。

第二部分（第6～12章）为深度学习基础部分：第6章为机器学习基础，也是深度学习基础，其中包含很多机器学习经典理论和算法；第7章介绍神经网络基础；第8～12章分别从视觉处理、自然语言处理、注意力机制、目标检测和生成式深度学习等方面进行说明。

第三部分（第13～18章）为深度学习实践部分：通过实例把理论与实践相结合，同时实现理论理解的进一步提升，具体包括生成式模型、目标检测实例、人脸检测与识别实例、文本检测与识别实例、基于Transformer的对话实例和基于Transformer的图像处理实例等。

第四部分（第19章和第20章）为强化学习部分：第19章介绍强化学习基础，第20章介绍强化学习实践。

勘误和支持

由于笔者水平有限，书中难免存在错误或不准确的地方，恳请读者批评指正。你可以访问https://github.com/Wumg3000/feighyunai下载本书代码和数据，也可以通过QQ(1715408972)或QQ交流群(763746291)给我们反馈。感谢你的支持和帮助。

致谢

在本书编写过程中，我们得到很多同事、朋友、老师和同学的支持！感谢张粤磊、张魁、刘未昕等负责后台环境的搭建和维护工作。感谢博世的王红星、拍拍贷的郁明敏的大力支持；感谢上海交大慧谷的程国旗老师、东方易通的杨易老师、容大培训的童金浩老师、赣南师大的许景飞老师等对我们的支持和帮助！

感谢机械工业出版社的各位老师给予本书的大力支持和帮助。

最后，感谢爱人赵成娟在繁忙的教学之余帮助审稿，提出不少改进意见或建议。

吴茂贵

2022年8月于上海

---

[1]本书使用环境：Python 3.8+，TensorFlow 2.4+，Linux、Mac或Windows。