Python深度学习（第2版）

本书由深度学习框架 Keras 之父弗朗索瓦·肖莱执笔，是《Deep Learning with Python》第二版的中文译本，由张亮翻译。全书共 14 章，延续第一版“用代码讲原理”的写法，尽量避免堆砌数学符号，转而用可直接运行的 Python 代码和直观的图示解释深度学习的核心思想。第 1 至 2 章梳理人工智能、机器学习与深度学习的关系，并介绍张量、张量运算、梯度下降与反向传播等数学基础；第 3 章结合 TensorFlow 2 与 Keras 介绍神经网络的构成与编译、训练、评估接口；第 4 至 7 章通过新闻分类、房价回归等示例讲解分类与回归入门、机器学习通用原理（泛化、评估、正则化、调参）、机器学习通用工作流程，以及 Keras 的进阶用法（子类化模型、自定义训练循环、tf.function）。第 8 至 9 章进入计算机视觉，涵盖卷积运算、小数据集训练、预训练模型特征提取与微调、残差连接、深度可分离卷积，以及卷积网络的可视化解释。第 10 至 11 章分别处理时间序列与文本，讲解 RNN、LSTM、双向 RNN，词袋与序列两类文本表示，以及 Transformer 架构与序列到序列学习。第 12 章介绍文本生成、DeepDream、神经风格迁移、变分自编码器与生成式对抗网络；第 13 章讨论超参数优化、模型集成、混合精度、多 GPU 与 TPU 训练等工程实践；第 14 章回顾关键概念并讨论深度学习的局限与未来。相较第一版，本版内容大幅重写，新增 Keras 深入一章、机器学习通用工作流程、Transformer 与现代网络架构模式、实用最佳实践等内容。