本书以理论与实践深度融合为核心，系统阐述人工神经网络与深度学习的核心原理、技术架构及前沿应用，旨在为读者构建从基础到实战的知识体系。通过翔实的案例解析与开发实践，帮助读者掌握深度学习的核心技术，培养解决复杂问题的工程能力。 本书共13章，第1章概述AI发展历程与深度学习基础，梳理神经网络演进脉络。第2章详解PyTorch、TensorFlow等开发环境配置，奠定张量编程基础。第3～5章从线性回归、逻辑回归切入，剖析BP神经网络原理，涵盖梯度下降、正则化等核心优化技术，并结合房价预测、肿瘤分类等案例强化实践。第6～8章深入讲解生成对抗网络（GAN）、循环神经网络（RNN/LSTM）及Transformer架构，探讨图像生成、时序预测、自然语言处理等前沿应用。第9～11章聚焦计算机视觉实战，解析YOLO目标检测、人脸表情识别及人体姿态识别技术，结合OpenPose、MediaPipe等工具实现多场景部署。第12章对比ChatGPT、CLIP、Llama 2等大型预训练模型，剖析技术原理与微调策略。第13章探讨AI安全挑战，涵盖对抗攻击防御、伦理风险及YOLO攻防实验，构建技术应用的全局视野。 本书面向AI初学者与进阶开发者，以降低深度学习技术门槛为目标，通过模块化知识讲解、实战案例及开发环境搭建指南，助力读者快速掌握模型构建、训练优化及部署应用的全流程，同时关注AI安全与伦理，覆盖Transformer、YOLOv8、ChatGPT等模型，提供实战代码与部署指南。 本书可作为高等院校计算机相关专业学生的教材，也可作为具备编程基础的爱好者、AI工程师及科研人员系统学习的参考书。
叶锋，福建师范大学计算机与网络空间安全学院，副教授，教研室主任。担任数字福建大数据安全技术研究所所长助理、福建省公共服务大数据挖掘与应用工程技术研究中心副主任。指导学生获国家级、省级、校级大学生创新创业训练项目20多项，并多次在"华为杯”智能设计竞赛全国赛、福建省"锐志杯”等各类科技竞赛中获一、二等奖。
第 1 章 AI 与深度学习概述 ............................................................................................................ 1
1.1 AI 的概念和历史 ............................................................................................................... 2
1.1.1 AI 的黎明：达特茅斯会议与先驱者的贡献 ........................................................ 2
1.1.2 AI 的历史 ................................................................................................................ 3
1.2 机器学习 ............................................................................................................................ 6
1.2.1 初识机器学习 ......................................................................................................... 6
1.2.2 机器学习的分类 ..................................................................................................... 8
1.2.3 初识深度学习 ......................................................................................................... 9
1.3 神经网络与深度学习 ...................................................................................................... 10
1.3.1 神经网络的基本原理 ........................................................................................... 10
1.3.2 主流神经网络架构 ............................................................................................... 12
1.4 神经网络的应用 .............................................................................................................. 15
1.5 总结 .................................................................................................................................. 16
1.6 思考和练习 ...................................................................................................................... 17
第 2 章 打造深度学习实验室 ....................................................................................................... 18
2.1 开发环境概述 .................................................................................................................. 19
2.2 实验环境的搭建和安装方法 .......................................................................................... 20
2.2.1 Anaconda 安装 ...................................................................................................... 20
2.2.2 PyCharm 安装 ....................................................................................................... 21
2.2.3 PyTorch 安装 ........................................................................................................ 22
2.2.4 TensorFlow2 安装 ................................................................................................. 24
2.3 张量的基础知识 .............................................................................................................. 24
2.3.1 张量的基本概念 ................................................................................................... 24
2.3.2 PyTorch 中的张量................................................................................................. 25
2.3.3 TensorFlow 中的张量 ........................................................................................... 35
2.4 总结 .................................................................................................................................. 41
2.5 思考和练习 ...................................................................................................................... 41
第 3 章 启蒙之旅：线性回归与逻辑回归 ................................................................................... 42
3.1 线性回归与逻辑回归概述 .............................................................................................. 43
3.1.1 线性回归 ............................................................................................................... 43
3.1.2 逻辑回归 ............................................................................................................... 44
3.2 线性回归――房价预测案例 .......................................................................................... 45
3.2.1 准备数据集 ........................................................................................................... 45
3.2.2 数据预处理 ........................................................................................................... 47
3.2.3 特征选择 ............................................................................................................... 49
3.2.4 线性回归模型的建立与优化 ............................................................................... 50
3.2.5 案例总结 ............................................................................................................... 52
3.3 逻辑回归――肿瘤判断案例 .......................................................................................... 53
3.3.1 数据预处理 ........................................................................................................... 53
3.3.2 模型训练 ............................................................................................................... 54
3.3.3 模型评估 ............................................................................................................... 55
3.3.4 案例总结 ............................................................................................................... 58
3.4 总结 .................................................................................................................................. 58
3.5 思考和练习 ...................................................................................................................... 58
第 4 章 图像的语言：CNN ........................................................................................................... 59
4.1 CNN 概述 ......................................................................................................................... 60
4.1.1 基本概念 ............................................................................................................... 60
4.1.2 CNN 的工作原理 .................................................................................................. 60
4.1.3 卷积计算 ............................................................................................................... 62
4.2 LeNet 介绍――手写数字识别 ....................................................................................... 64
4.2.1 LeNet 简介 ............................................................................................................ 64
4.2.2 手写数字识别数据预处理 ................................................................................... 65
4.2.3 构建 LeNet 模型 ................................................................................................... 66
4.2.4 模型训练与测试 ................................................................................................... 68
4.2.5 实验总结 ............................................................................................................... 70
4.3 CNN 进阶应用――17Flower 分类进阶 ......................................................................... 70
4.3.1 数据预处理 ........................................................................................................... 70
4.3.2 模型构建 ............................................................................................................... 72
4.3.3 模型训练与评估 ................................................................................................... 74
4.3.4 实验总结 ............................................................................................................... 74
4.4 总结 .......................................................
书单推荐
