《深度学习：从Python到TensorFlow应用实战》全面介绍深度学习中的卷积神经网络结构、学习原理、代码实现、

API调用等基本知识，重点介绍开发深度学习应用所需要的Python技术基础以及TensorFlow深度学习库，并以文本分

类和语音识别为例说明TensorFlow的应用场景。
《深度学习：从Python到TensorFlow应用实战》可供对TensorFlow比较熟悉并且对机器学习有所了解的开发人员、

科技工作者和研究人员参考，也可作为高等院校计算机、软件工程等专业高年级本科生与研究生的教材。

前　言




随着人工智能在围棋、德州扑克、人脸识别等方面战胜人类，机器学习等人工智能技术显示了越来越重要的价值。
深度学习（深度结构化学习）是基于一组算法的机器学习的一个分支，这些算法试图通过使用具有复杂结构或由多个非线性变换组成的处理层来对数据中的高层次抽象进行建模。
机器学习技术随着数据集的增长、算法及其实现的改进、硬件性能的提升而持续发展。TensorFlow作为一种主流的机器学习库让机器学习开发变得越来越容易。
随着可获得文本和语音数据的日益增多，自然语言处理技术在生产和生活中发挥越来越重要的作用。《深度学习：从Python到TensorFlow应用实战》介绍如何使用流行的TensorFlow进行自然语言处理，并介绍流行的Python语言以及使用Python开发TensorFlow应用。
《深度学习：从Python到TensorFlow应用实战》共分5章：第1章介绍开发深度学习应用所需要的Linux基础以及在Linux和Windows操作系统下搭建开发环境；第2章介绍Python编程语言基础；第3章介绍搭建深度学习框架开发环境，使用TensorFlow实现语音识别及TensorFlow中的联邦学习；第4章介绍通过TensorFlow.NET和TensorFlowSharp在C#中使用TensorFlow的方法；第5章介绍如何使用网格计算引擎Slurm构建Linux高性能计算集群和如何实现TensorFlow在Slurm集群的运行。
书中的部分示例采用Java或C#编程语言编写，不熟悉Java或者C#语言的读者可以参考猎兔搜索团队编写的Java或者C#相关入门书籍。
《深度学习：从Python到TensorFlow应用实战》适合需要具体实现机器学习应用的开发人员或者对人工智能等相关领域感兴趣的人员参考。
感谢早期合著者、合作伙伴、员工、学员、读者的支持。技术的融合与创新无止境，欢迎一起探索！
在《深度学习：从Python到TensorFlow应用实战》的编写过程中，笔者虽尽可能地将清晰的论述呈现给读者，但也难免有疏漏和不妥之处，敬请读者不吝指正。

作者
2020年1月

目　录



第1章　深度学习快速入门 1
1.1　各种深度学习应用 1
1.2　准备开发环境 2
1.2.1　Linux基础 2
1.2.2　Micro编辑器 5
1.2.3　Shell基础 5
1.2.4　Linux下安装Python 8
1.2.5　选择Python版本 9
1.2.6　使用AWK 9
1.2.7　Windows下安装Python 10
1.2.8　搭建PyDev集成开发环境 11
1.3　体验TensorFlow文本分类 12
1.3.1　安装TensorFlow 12
1.3.2　实现文本分类 14
1.4　本章小结 16
第2章　Python编程语言基础 17
2.1　变量 17
2.2　注释 17
2.3　简单数据类型 18
2.3.1　数值 18
2.3.2　字符串 20
2.3.3　数组 22
2.4　字面值 22
2.5　控制流 23
2.5.1　if语句 23
2.5.2　循环 24
2.6　列表 25
2.7　元组 28
2.8　集合 30
2.9　字典 30
2.10　位数组 31
2.11　模块 32
2.12　函数 33
2.13　print函数 35
2.14　正则表达式 37
2.15　文件操作 39
2.15.1　读写文件 40
2.15.2　重命名文件 41
2.15.3　遍历文件 41
2.16　使用pickle模块序列化对象 42
2.17　面向对象编程 42
2.18　命令行参数 44
2.19　数据库 45
2.20　JSON格式 46
2.21　日志记录 46
2.22　异常处理 48
2.23　通过PyJNIus使用Java 48
2.24　本章小结 49
第3章　语音识别中的深度学习 50
3.1　神经网络基础 50
3.1.1　实现深度前馈网络 52
3.1.2　计算过程 61
3.2　卷积神经网络 67
3.3　语音识别语料库 73
3.3.1　TIMIT语料库 73
3.3.2　LibriSpeech语料库 74
3.3.3　中文语料库 74
3.4　搭建深度学习框架开发环境 75
3.4.1　安装Clang 75
3.4.2　构建配置 79
3.4.3　configure脚本 80
3.4.4　静态代码分析 82
3.4.5　LLDB调试 83
3.4.6　使用Cygwin模拟环境 86
3.4.7　使用CMake构建项目 86
3.4.8　使用Gradle构建项目 87
3.4.9　Jenkins实现持续集成 92
3.5　TensorFlow识别语音 92
3.5.1　使用Keras 92
3.5.2　安装TensorFlow 94
3.5.3　安装TensorFlow的Docker容器 96
3.5.4　使用TensorFlow 97
3.5.5　一维卷积 137
3.5.6　二维卷积 139
3.5.7　膨胀卷积 141
3.5.8　TensorFlow实现简单的语音识别 142
3.5.9　NumPy提取语音识别特征 144
3.5.10 Numba 147
3.6　端到端深度学习 148
3.7　Dropout解决过度拟合问题 148
3.8　NumPy中的矩阵运算 151
3.9　说话者识别 152
3.10　联邦学习 154
3.11　本章小结 160
第4章　C#开发深度学习应用 161
4.1　使用TensorFlow.NET 161

4.2　使用TensorFlowSharp 163
4.3　本章小结 164
第5章　Slurm并行训练 165
5.1　网格计算引擎Slurm简介 165
5.1.1　安装Slurm 166
5.1.2　Slurm脚本编程 171
5.2　TensorFlow集群 172
5.3　本章小结 173
参考文献 174