如何阅读本书

以下部分包含一些信息和建议，方便读者阅读本书，并帮助读者从其他材料中受益。

下载并运行示例代码文件

本书不仅对TensorFlow 2和先进的计算机视觉方法进行了深入探讨，还提供了大量的示例及其完整实现。

本书的示例代码可以从http://www.packtpub.com通过个人账号下载，也可以访问华章图书官网http://www.hzbook.com，通过注册并登录个人账号下载。

本书的代码包也托管在GitHub上，地址是https://github.com/PacktPublishing/Hands-On-Computer-Vision-with-TensorFlow-2。如果代码有更新，现有的GitHub存储库也会随之更新。

研究并运行实验

Jupyter Notebook（https://jupyter.org）是一个用于创建和共享Python脚本、文本信息、可视化结果、方程式等的开源Web应用程序。我们把随书提供的详细代码、预期结果和补充说明文件称为Jupyter Notebook。每一个Jupyter Notebook都包含一个具体的计算机视觉任务。例如，一个Notebook解释了如何训练CNN在图像中检测动物，另一个则详细介绍了建立自动驾驶汽车识别系统的所有步骤，等等。

正如我们将在下面看到的，你可以直接研究这些文档，也可以将它们用作代码段来运行和重现书中介绍的实验。

在线学习Jupyter Notebook

如果只是想浏览一下提供的代码和结果，那么可以直接在本书的GitHub存储库中访问它们。事实上，GitHub能够渲染Jupyter Notebook并将其显示为静态网页。

但是，GitHub查看器会忽略一些样式和交互内容。为了获得最佳的在线观看体验，建议使用Jupyter nbviewer（https://nbviewer.jupyter.org），这是一个官方的网络平台，可以用来阅读上传至网上的Jupyter Notebook。通过这个网站可以查询存储在GitHub存储库中的Notebook，因此，所提供的Jupyter Notebook也可以通过https://nbviewer.jupyter.org/github/PacktPublishing/Hands-On-Computer-Vision-with-TensorFlow-2阅读。

在你自己的计算机上运行Jupyter Notebook

要在你自己的计算机上阅读或运行这些文档，首先要安装Jupyter Notebook。对于那些已经使用Anaconda（https://www.anaconda.com）来管理和部署Python环境（本书推荐这种方式）的用户，Jupyter Notebook应该是可以直接使用的（因为它安装在Anaconda中）。对于那些使用其他Python发行版和不熟悉Jupyter Notebook的用户，建议查看一下说明文档，其中提供了安装说明和教程（https://jupyter.org/documentation）。

安装了Jupyter Notebook之后，导航到包含本书代码文件的目录，打开终端，并执行以下命令：

应该会在默认浏览器中打开Web界面，现在，就应该能够浏览目录并打开本书提供的Jupyter Notebook了，可以阅读、执行或编辑它们。

部分文档包含较高级的实验，可能需要大量的计算资源（比如在大型数据集上训练识别算法）。如果没有适当的加速硬件（也就是说，如果没有兼容的NVIDIA GPU，参见第2章），运行这些脚本可能需要数小时甚至数天（即使有兼容的GPU，运行最先进的实例也可能需要相当长的时间）。

用谷歌Colab运行Jupyter Notebook

对于那些希望自己运行Jupyter Notebook，或者尝试新实验，但又无法使用足够强大的计算机的用户，建议使用名为Colaboratory的谷歌Colab（https://colab.research.google.com）。它是一个基于云的Jupyter Notebook，由谷歌提供，以便在强大的计算机上运行计算密集型脚本。你可以在GitHub存储库中找到关于此服务的更多细节。