1.百度飛槳團隊參與策劃、並大力推薦此書；
2.全書代碼基於 Python 3.7 實現；
3.支持 PaddlePaddle Fluid 2.0 版本；
4.內容簡單易上手，讀者無須理解復雜的數學公式和算法；
5.通過9大實戰案例全面講解PaddlePaddle Fluid框架在深度學習領域的應用；
6.提供實例配套源代碼、部分實例相關素材和數據集下載

本書全面講解PaddlePaddle Fluid框架在深度學習領域的應用。全書共15章，分別是PaddlePaddle深度學習開發環境的搭建、PaddlePaddle快速入門、線性回歸算法實戰、卷積神經網絡實戰、循環神經網絡實戰、生成對抗網絡實戰、強化學習實戰、模型的保存與使用、遷移學習實戰可視化工具Visual DL的使用、自定義圖像數據集識別項目實戰、自定義文本數據集分類項目實戰、動態圖的使用、開發具有AI能力的服務器接口、移動端深度學習框架Paddle Lite的項目實戰。 本書實例豐富，適合機器學習愛好者、程序員、人工智能方面的從業人員閱讀，也可以作為人工智能相關專業的師生用書和相關培訓學校的教材。

潘志宏
副教授、高級工程師，中國人工智能學會高級會員，廣州新華學院教師。研究方向包括機器學習、深度學習、物聯網等。著有《深度學習實戰之PaddlePaddle》《深入淺出GAN 生成對抗網絡：原理剖析與TensorFlow 實踐》，獲得人工智能相關軟件著作權、專利若干項，主持廣東省普通高校青年創新人纔項目、教育部產學合作協同育人項目。
王培彬
網名夜雨飄零，PaddlePaddle PPDE 成員，中國人工智能學會深度學習專委會高級會員，智能科技公司算法工程師。曾參與編著《深度學習實戰之PaddlePaddle》，擅長深度學習、Python、Java 等技術領域。

第 1章PaddlePaddle深度學習開發環境的搭建
1．1深度學習與PaddlePaddle
1．2PaddlePaddle能做些什麼
1．3如何學習本書
1．4Python的安裝
1．5本地安裝PaddlePaddle
1．5．1Windows操作繫統下安裝PaddlePaddle
1．5．2Ubuntu操作繫統下安裝PaddlePaddle
1．6PyCharm的使用
1．7AI Studio平臺的使用
1．8本章小結
第 2章PaddlePaddle快速入門
2．1兩個小實例讓PaddlePaddle跑起來
2．2PaddlePaddle常量的使用
2．3PaddlePaddle變量的使用
2．4本章小結
第3章PaddlePaddle的HelloWorld——線性回歸算法
3．1邁入PaddlePaddle實戰第 一站
3．2PaddlePaddle深度學習實戰—線性回歸算法
3．2．1深度神經網絡模型的搭建
3．2．2利用房價數據集對深度神經網絡模型進行驗證
3．3本章小結
第4章卷積神經網絡實戰——MNIST手寫數字識別
4．1圖像識別之卷積神經網絡模型
4．2PaddlePaddle CNN模型實戰—MNIST手寫數字識別
4．3本章小結
第5章循環神經網絡實戰——電影評論數據集的情感分析
5．1自然語言處理之循環神經網絡模型
5．2PaddlePaddle搭建情感分析項目RNN模型
5．3利用電影評論數據集對RNN模型進行驗證
5．4本章小結
第6章生成對抗網絡實戰——增強數據集
6．1生成對抗網絡
6．2GAN增強數據集實戰—訓練GAN模型
6．2．1創建生成器
6．2．2創建判別器
6．3本章小結
第7章強化學習實戰——在遊戲反饋中變得更聰明
7．1強化學習簡介
7．2項目測試遊戲Gym的簡介
7．3訓練DQN模型——讓DQN模型在遊戲中不斷學習並獲得高分
7．4本章小結
第8章PaddlePaddle模型的保存與使用
8．1深度學習模型的保存與使用
8．2訓練模型．
8．3加載訓練模型
8．4保存訓練模型
8．5使用模型進行預測
8．6本章小結
第9章遷移學習實戰——花卉類型識別
9．1遷移學習簡介
9．2遷移學習應用場景分析
9．3花卉類型識別項目實戰—訓練模型
9．4花卉類型識別項目實戰—驗證模型
9．5本章小結
第 10章PaddlePaddle可視化工具Visual DL的使用
10．1可視化工具的重要性
10．2PaddlePaddle Visual DL的介紹
10．3PaddlePaddle Visual DL的安裝
10．4Visual DL的簡單用法
10．5模型訓練中使用Visual DL
10．6本章小結
第 11章自定義圖像數據集識別項目實戰——水果識別
11．1自定義數據集
11．2項目圖像數據集的爬取
11．3為圖像數據集生成圖像列表
11．4定義神經網絡模型
11．5PaddlePaddle讀取訓練數據
11．6訓練模型
11．7預測模型
11．8本章小結
第 12章自定義文本數據集分類項目實戰——新聞標題分類
12．1自定義文本數據集
12．2新聞標題分類實戰—獲取文本數據集
12．3對爬取數據進行預處理和存儲
12．4定義BiLSTM模型
12．5讀取文本數據集
12．6訓練模型
12．7預測文本數據．
12．8本章小結
第 13章PaddlePaddle動態圖的使用
13．1PaddlePaddle動態圖機制．
13．2搭建動態圖模型
13．3訓練動態圖模型
13．4預測模型
13．5本章小結
第 14章開發具有AI能力的服務器接口
14．1具有AI能力的服務器接口
14．2Python Web開發框架Flask簡介
14．3PaddlePaddle預測服務器接口
14．4本章小結
第 15章移動端深度學習框架Paddle Lite的項目實戰——水果識別App
15．1Paddle Lite簡介
15．2安裝Paddle Lite
15．2．1Docker環境搭建
15．2．2Ubuntu環境搭建
15．2．3編譯Paddle Lite
15．3優化移動端的深度學習模型
15．4Android水果識別App的開發
15．5本章小結