前言

人工智能（Artificial Intelligence，AI）最早出现在20 世纪50 年代，以感知机（第一代神经网络）、专家系统为典型代表。1980—2005 年是第二代神经网络的发展时期和统计学习方法的“春天”。深度学习出现于2006 年，并于2012 年迎来了爆发期。2012年，Hinton 课题组为了证明深度学习的潜力，首次参加了ImageNet 图像识别比赛，并凭借自己构建的卷积神经网络（CNN）AlexNet 一举夺得冠军，该方法在性能上碾压排在第二名的SVM 方法。也正是由于这次比赛，CNN 引起了众多研究者的注意。CNN可以代替人工提取特征，用于图像分类识别。

深度学习火热发展的重要原因之一就是，人们把提取特征的工作交给了人工神经网络，让 “人工智能” 更多地代替人工。软件算法的突破伴随着硬件升级，两者共同推动人工智能在各个领域的渗透，形成各种 “AI+” 领域应用，如AI+家居、AI+零售、AI+交通、AI+诊疗、AI+教育、AI+物流、AI+安防等。

如今，以人工智能为代表的第四次工业革命已经到来，相关的创新应用为人们的工作和生活带来了巨大的便利。与此同时，人工智能应用程序的开发门槛大大降低。谷歌推出的TensorFlow 是目前主流的深度学习框架，本书以TensorFlow 为切入点，介绍人工智能的基本思想和编程实现。基于TensorFlow 灵活的架构，用户可以在多种平台上展开相关计算。从名称即可看出TensorFlow 的基本原理：Tensor（张量）代表数组，图像、语音等数据都能用张量的形式表示；Flow（流）代表基于数据流图的计算。TensorFlow 的工作过程就是将图像、语音等以张量的形式传输至人工神经网络中进行分析和处理的过程。

本书由周倩负责第1、4、5 章的编写，冯高峰负责第2、3、6 章的编写，贾连芹负责第7、8 章的编写。图书从TensorFlow 环境搭建入手，逐步介绍如何用TensorFlow 进行线性回归模型、卷积神经网络的搭建、训练和预测，涉及PC、Android移动终端、树莓派等平台。本书内容由浅入深，旨在揭开TensorFlow 神秘的面纱，探索人工智能的奥秘。

编者