（1）本書由百度官方出品，PaddlePaddle總架構師共同創作。（2）百度公司CTO王海峰博士作序，張鈸院士、李未院士、百度集團副總裁吳甜聯袂推薦（3）“內容全面、由淺入深、注重實踐”，結合新近PaddlePaddle技術版本，詳細講解了PaddlePaddle的技術和原理，以及如何從零開始快速掌握深度學習。

●序
前言
第一部分 數學與編程基礎篇
第1章 數學基礎與Python庫
1.1 Python是進行人工智能編程的主要語言
1.2 數學基礎
1.2.1 線性代數基礎
1.2.2 微積分基礎
1.3 Python庫的操作
1.3.1 NumPy操作
1.3.2 Matplotlib操作
1.4 本章小結
第2章 深度學習概論與飛槳入門
2.1 人工智能、機器學習和深度學習
2.1.1 人工智能
2.1.2 機器學習
2.1.3 深度學習
2.2 深度學習的發展歷程
2.2.1 神經網絡的第一次高潮
2.2.2 神經網絡的第一次寒鼕
2.2.3 神經網絡的第二次高潮
2.2.4 神經網絡的第二次寒鼕
2.2.5 深度學習的來臨
2.2.6 深度學習崛起的時代背景
2.3 深度學習的應用場景
2.3.1 圖像與視覺
2.3.2 語音識別
2.3.3 自然語言處理
2.3.4 個性化推薦
2.4 常見的深度學習網絡結構
2.4.1 全連接網絡結構
2.4.2 卷積神經網絡
2.4.3 循環神經網絡
2.5 機器學習回顧
2.5.1 線性回歸的基本概念
2.5.2 數據處理
2.5.3 模型概覽
2.5.4 效果展示
2.6 深度學習框架簡介
2.6.1 深度學習框架的優勢
2.6.2 常見的深度學習框架
2.6.3 飛槳簡介
2.6.4 飛槳安裝
2.6.5 AI Studio
2.7 飛槳實現
2.8 飛槳服務平臺和工具組件
2.8.1 PaddleHub
2.8.2 X2Paddle
2.8.3 PARL
2.8.4 EasyDL
2.9 本章小結
第二部分 深度學習基礎篇
第3章 深度學習的單層網絡
3.1 Logistic回歸模型
3.1.1 Logistic回歸概述
3.1.2 損失函數
3.1.3 Logistic回歸的梯度下降
3.2 實現Logistic回歸模型
3.2.1 NumPy版本
3.2.2 飛槳版本
3.3 本章小結
第4章 淺層神經網絡
4.1 神經網絡
4.1.1 神經網絡的定義及其結構
4.1.2 神經網絡的計算
4.2 BP算法
4.2.1 邏輯回歸與BP算法
4.2.2 單樣本雙層神經網絡的BP算法
4.2.3 多樣本神經網絡的BP算法
4.3 BP算法實踐
4.3.1 NumPy版本
4.3.2 飛槳版本
4.4 本章小結
第5章 深層神經網絡
5.1 深層網絡介紹
5.1.1 深度影響算法能力
5.1.2 網絡演化過程與常用符號
5.2 傳播過程
5.2.1 神經網絡算法核心思想
5.2.2 深層網絡正向傳播過程
5.2.3 深層網絡反向傳播過程
5.2.4 傳播過程總結
5.3 網絡的參數
5.4 代碼實現
5.4.1 NumPy版本
5.4.2 飛槳版本
5.5 本章小結
第6章 卷積神經網絡
6.1 圖像分類問題描述
6.2 卷積神經網絡介紹
6.2.1 卷積層
6.2.2 ReLU激活函數
6.2.3 池化層
6.2.4 Softmax分類層
6.2.5 主要特點
6.2.6 經典神經網絡架構
6.3 飛槳實現
6.3.1 數據介紹
6.3.2 模型概覽
6.3.3 配置說明
6.4 本章小結
第7章 循環神經網絡
7.1 任務描述
7.2 循環神經網絡介紹
7.2.1 長短期記憶網絡
7.2.2 門控
7.2.3 雙向循環神經網絡
7.2.4 卷積循環神經網絡
7.3 利用飛槳實現機器翻譯
7.3.1 數據準備
7.3.2 柱搜索
7.3.3 模型配置
7.3.4 模型訓練
7.3.5 加載訓練模型進行預測
7.4 本章小結
第8章 注意力機制
8.1 任務描述
8.2 注意力機制介紹
8.2.1 Transformer
8.2.2 Non-local神經網絡
8.2.3 AttentionCluster神經網絡
8.3 利用飛槳實現視頻分類
8.3.1 Non-local神經網絡
8.3.2 AttentionCluster
8.4 本章小結
第9章 算法優化
9.1 基礎知識
9.1.1 訓練、驗證和測試集
9.1.2 偏差和方差
9.2 評估
9.2.1 選定評估目標
9.2.2 迭代過程
9.2.3 欠擬合和過擬合
9.3 調優策略
9.3.1 降低偏差
9.3.2 降低方差
9.4 超參數調優
9.4.1 隨機搜索和網格搜索
9.4.2 超參數範圍
9.4.3 分階段搜索
9.4.4 例子：對學習率的調整
9.5 本章小結
第三部分 飛槳實踐篇
第10章 目標檢測
10.1 任務描述
10.2 常見模型解析
10.2.1 R-CNN繫列
10.2.2 YOLO
10.2.3 SSD
10.3 PaddleDetection應用實踐
10.3.1 Faster-R-CNN
10.3.2 YOLOv
10.4 本章小結
第11章 圖像生成
11.1 任務描述
11.1.

本書由百度官方出品，百度首席技術官王海峰博士作序，張鈸院士、李未院士、百度集團副總裁吳甜聯袂推薦。 本書遵循“內容全面、由淺入深、注重實踐”的原則，基於飛槳PaddlePaddle深度學習平臺，較為全面地覆蓋了學習深度學習技術所必須具備的基礎知識以及深度學習主要核心技術，包括相關的數學基礎、Python編程基礎、機器學習基礎以及正向/反向傳播算法、卷積神經網絡、循環神經網絡等，盡量做到讀懂一本書即可達到“零基礎”到“全精通”。 在章節安排上，考慮讀者的特點和認知規律，在知識架構和案例穿插的設計上確保循序漸進、由淺入深。同時，本書提供了大量的深度學習實戰案例，覆蓋了當前計算機視覺、自然語言處理、個性化推薦等領域主流應用典型的算法，每章都單獨配以飛槳代碼實現，詳細解析實操過程，手把手引導讀者開展實踐練習，深入掌握相關知識。 本書提供配套代碼合集，可掃描如下二維碼等

劉祥龍楊晴虹胡曉光周湘陽等 著