于祥， 百度PaddlePaddle技术运营。2015年开始研究神经网络技术，早期从事基于深度学习的身份认证技术研发，曾负责上海智慧城市项目和华润集团项目的算法支持，曾获得ACM-ICPC与CCCC-GPLT银奖。

第1章 飞桨PaddlePaddle简介与AI Studio的使用
1.1 飞桨PaddlePaddle简介
1.2 飞桨PaddlePaddle的工具组件
1.2.1 PaddleHub—简明易用的预训练模型管理框架
1.2.2 PARL—基于飞桨PaddlePaddle的深度强化学习框架
1.2.3 AutoDL Design—让深度学习来设计深度学习
1.2.4 VisualDL—深度学习可视化工具库
1.2.5 模型转换工具X2Paddle
1.3 飞桨PaddlePaddle在百度内部支持的案例
1.4 飞桨PaddlePaddle与TensorFlow的对比
1.5 AI Studio简介
1.6 在AI Studio中创建项目
1.6.1 用户界面简介
1.6.2 创建并运行一个项目
1.7 AI Studio单机项目概述
1.7.1 页面概览
1.7.2 复制项目
1.7.3 VisualDL工具的使用
1.8 Notebook环境使用说明
1.8.1 Notebook页面概览
1.8.2 操作区
1.8.3 Notebook内容编辑区
1.8.4 侧边栏
1.8.5 工具栏
1.9 AI Studio集群项目
1.9.1 集群项目说明
1.9.2 创建集群项目
1.9.3 页面概览
1.9.4 代码编辑界面
1.9.5 文件管理和数据集区域
1.9.6 文件预览编辑和提交任务区域
1.9.7 PaddlePaddle集群训练说明
1.9.8 数据集与输出文件路径说明
1.9.9 提交任务
1.9.10 历史任务
1.9.11 预安装包说明
1.10 在线部署及预测
1.10.1 功能说明
1.10.2 通过训练任务生成模型文件
1.10.3 创建一个在线服务
1.10.4 测试沙盒服务
1.10.5 部署在线服务
1.10.6 调用在线服务
1.11 NumPy常规操作及使用
第2章 PaddlePaddle Fluid的环境搭建与安装
2.1 在Linux系统中安装PaddlePaddle
2.1.1 租用百度BCC云服务器
2.1.2 安装前的准备工作
2.1.3 通过pip安装PaddlePaddle
2.1.4 在Docker中安装PaddlePaddle
2.2 在Windows系统中安装PaddlePaddle
2.2.1 Windows GPU驱动环境安装
2.2.2 下载并安装CUDA
2.2.3 安装cuDNN
2.2.4 安装PaddlePaddle
2.3 在macOS系统中安装PaddlePaddle
2.3.1 安装Python
2.3.2 安装PaddlePaddle
第3章 PaddlePaddle深度学习入门—在MNIST上进行手写数字识别
3.1 引言
3.2 模型概览
3.2.1 Softmax回归模型
3.2.2 多层感知器
3.2.3 卷积神经网络
3.3 数据介绍
3.4 PaddlePaddle的程序配置过程
3.4.1 程序说明
3.4.2 配置inference_program
3.4.3 配置train_program
3.4.4 配置optimizer_program
3.4.5 配置数据集reader
3.5 构建训练过程
3.5.1 事件处理程序配置
3.5.2 开始训练
3.6 应用模型
3.6.1 生成待预测的输入数据
3.6.2 Inference创建及预测
3.6.3 预测结果
3.7 小结
第4章 PaddlePaddle设计思想与核心技术
4.1 编译时与运行时的概念
4.2 Fluid内部执行流程
4.3 Program设计简介
4.4 Block简介
4.5 Block和Program的设计细节
4.6 框架执行器设计思想
4.6.1 代码示例
4.6.2 创建框架执行器
4.6.3 运行框架执行器
4.7 示例
4.7.1 定义Program
4.7.2 创建框架执行器
4.7.3 运行框架执行器
4.8 LoD Tensor数据结构解读
4.8.1 LoD索引
4.8.2 LoD Tensor在PaddlePaddle中的表示方法
4.8.3 LoD Tensor的API
4.8.4 LoD Tensor的使用示例
4.9 动态图机制——DyGraph
4.9.1 动态图设置和基本用法
4.9.2 基于DyGraph构建网络
4.9.3 使用DyGraph训练模型
4.9.4 模型参数的保存
4.9.5 模型评估
4.9.6 编写兼容的模型
第5章 独孤九剑—经典图像分类网络实现
5.1 图像分类网络现状
5.2 VGG16图像分类任务
5.2.1 定义网络结构
5.2.2 定义推理程序
5.2.3 定义训练程序
5.2.4 实例化训练对象
5.2.5 读取数据
5.2.6 编写事件处理程序并启动训练
5.2.7 执行模型预测
5.3 模块化设计GoogleNet
5.4 Alexnet模型实现
5.5 Resnet模型实现
5.6 MobileNet V2模型实现
5.7 ShuffleNet V2模型实现
第6章 “天网”系统基础—目标检测
6.1 目标检测简介
6.2 对R-CNN系列算法的探索历史
6.2.1 R-CNN算法：目标检测开山之作
6.2.2 SPP网络
6.2.3 Fast R-CNN
6.2.4 Faster R-CNN
6.3 单步目标检测算法
6.3.1 统一检测算法YOLO
6.3.2 SSD基本原理
6.3.3 SSD在训练时的匹配策略
6.3.4 使用PaddlePaddle实现SSD网络
6.4 PyramidBox
6.4.1 提出PyramidBox方法的背景
6.4.2 PyramidBox网络结构
6.4.3 PyramidBox的创新点
6.4.4 PyramidBox的PaddlePa

飞桨PaddlePaddle Fluid是百度推出的深度学习框架，不仅支撑了百度公司的很多业务和应用，而且随着其开源过程的推进，在很多行业得到普及、应用和关注。
本书基于最新的飞桨PaddlePaddle Fluid版本，以真实的应用案例介绍如何用飞桨PaddlePaddle解决主流的深度学习问题。全书共14章。本书首先介绍了什么是飞桨。PaddlePaddle，然后介绍了其核心设计思想，进而紧紧结合案例介绍了飞桨PaddlePaddle在主流的图像任务领域、NLP领域的应用，最后还探讨了Paddle-Mobile与Anakin框架等高级主题。附录A和B给出了飞桨：PaddlePaddle与TensorFlow、Caffe框架的接口中常用层的对比。
本书非常适合对人工智能感兴趣的学生、从事机器学习相关工作的读者阅读，尤其适合想要通过飞桨PaddlePaddle掌握深度学习应用技术的研究者和从业者参考。