本书以Keras深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用Keras进行深度学习的重要内容。全书共7章，内容包括深度学习概述、Keras深度学习通用流程、Keras深度学习基础、基于RetinaNet的目标检测、基于LSTM网络的诗歌生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现诗歌生成等。本书大部分章包含实训和课后习题，通过练习和操作实践，读者可以巩固所学的内容。 本书可以作为高校数据科学或人工智能相关专业的教材，也可作为深度学习爱好者的自学用书。

第 1章 深度学习概述 1 1.1 深度学习简介 1 1.1.1 深度学习的定义 1 1.1.2 深度学习常见应用 2 1.2 深度学习与应用领域 9 1.2.1 深度学习与计算机视觉 9 1.2.2 深度学习与自然语言处理 10 1.2.3 深度学习与语音识别 11 1.2.4 深度学习与机器学习 11 1.2.5 深度学习与人工智能 12 1.3 Keras简介 13 1.3.1 各深度学习框架对比 13 1.3.2 Keras与TensorFlow的关系 15 1.3.3 Keras常见接口 15 1.3.4 Keras特性 17 1.3.5 Keras安装 17 1.3.6 Keras中的预训练模型 20 小结 22 课后习题 23 第 2章 Keras深度学习通用流程 24 2.1 基于全连接网络的手写数字识别实例 24 2.2 数据加载与预处理 28 2.2.1 数据加载 28 2.2.2 数据预处理 31 2.3 构建网络 39 2.3.1 模型生成 39 2.3.2 核心层 40 2.3.3 自定义层 47 2.4 训练网络 51 2.4.1 优化器 51 2.4.2 损失函数 54 2.4.3 训练方法 60 2.5 性能评估 64 2.5.1 性能监控 64 2.5.2 回调检查 69 2.6 模型的保存与加载 77 实训1 利用Keras进行数据加载与增强 79 实训2 利用Keras构建网络并训练 80 小结 80 课后习题 81 第3章 Keras深度学习���础 82 3.1 卷积神经网络基础 82 3.1.1 卷积神经网络中的常用网络层 83 3.1.2 基于卷积神经网络的手写数字识别实例 96 3.1.3 常用卷积神经网络算法及其结构 99 3.2 循环神经网络 106 3.2.1 循环神经网络中的常用网络层 108 3.2.2 基于循环神经网络和Self Attention网络的新闻摘要分类实例 123 3.3 生成对抗网络 131 3.3.1 常用生成对抗网络算法及其结构 131 3.3.2 基于生成对抗网络的手写数字生成实例 135 实训1 卷积神经网络 150 实训2 循环神经网络 151 实训3 生成对抗网络 151 小结 152 课后习题 152 第4章 基于RetinaNet的目标检测 154 4.1 算法简介与目标分析 154 4.1.1 背景介绍 154 4.1.2 目标检测算法概述 155 4.1.3 目标检测相关理论介绍 156 4.1.4 分析目标 158 4.1.5 项目工程结构 158 4.2 数据准备 159 4.2.1 数据集下载 159 4.2.2 图像预处理 160 4.2.3 数据集编码 166 4.2.4 数据集管道设置 171 4.3 构建网络 171 4.3.1 RetinaNet的网络结构 172 4.3.2 构建RetinaNet 173 4.4 训练网络 177 4.4.1 定义损失函数 177 4.4.2 训练网络 180 4.4.3 加载模型测试点 181 4.5 模型预测 182 4.5.1 进行解码与非极大值**处理 182 4.5.2 预测结果 184 实训 使用VOC2007数据集训练和测试RetinaNet 186 小结 186 课后习题 186 第5章 基于LSTM网络的诗歌生成 187 5.1 目标分析 187 5.1.1 背景介绍 187 5.1.2 分析目标 188 5.1.3 项目工程结构 189 5.2 文本预处理 189 5.2.1 标识诗句结束点 189 5.2.2 去除低频词 190 5.2.3 构建映射 191 5.3 构建网络 191 5.3.1 设置配置项参数 191 5.3.2 生成训练数据 192 5.3.3 构建LSTM网络 194 5.4 训练网络 194 5.4.1 查看学习情况 194 5.4.2 生成诗句 195 5.4.3 训练网络 196 5.5 结果分析 197 实训 基于LSTM网络的文本生成 199 小结 199 课后习题 199 第6章 基于CycleGAN的图像风格转换 200 6.1 目标分析 200 6.1.1 背景介绍 200 6.1.2 分析目标 201 6.1.3 项目工程结构 201 6.2 数据准备 203 6.3 构建网络 205 6.3.1 定义恒等映射网络函数 206 6.3.2 定义残差网络函数 207 6.3.3 定义生成器函数 208 6.3.4 定义判别器函数 211 6.4 训练网络 212 6.4.1 定义训练过程函数 212 6.4.2 定义生成图像函数 214 6.5 结果分析 215 实训 基于CycleGAN实现莫奈画作与现实风景图像的风格转换 217 小结 217 课后习题 218 第7章 基于TipDM大数据挖掘建模平台实现诗歌生成 219 7.1 平台简介 219 7.1.1 共享库 220 7.1.2 数据连接 220 7.1.3 数据集 221 7.1.4 我的工程 222 7.1.5 个人组件 224 7.2 实现诗歌生成 224 7.2.1 配置数据源 225 7.2.2 文本预处理 227 7.2.3 构建网络 227 7.2.4 训练网络 230 7.2.5 结果分析 234 实训 实现基于TipDM大数据挖掘模平台的文本生成 235 小结 236 课后习题 236