本书专注于深度学习在图像识别领域的应用，内容涵盖2012-2023年的经典和前沿模型，不仅详细讲解了各种模型的理论知识，还为读者提供了丰富的实践操作指南，旨在为读者提供一个从基础到高级的全方位指导。
本书第1章介绍人工智能在计算机视觉领域的现状，第2章和第3章介绍编程基础，有基础的读者可以跳过这两章。第4章和第5章详细讲解卷积算法和基于卷积算法具有里程碑意义的模型。第6章介绍工业中常用的轻量级卷积模型。第7章和第8章对现阶段前沿的图像识别模型进行讲解。
本书适合对图像识别领域感兴趣的本科生、研究生及图像识别从业者阅读。对于新入门的读者，本书提供了丰富的预备知识，而对于有经验的读者，可以直接跳到高级主题进行阅读。

于浩文，南安普顿大学人工智能专业硕士一等学位，曼彻斯特大学生物信息与系统生物硕士一等学位；湖南点头教育科技有限公司联合创始人。在SCI上发表论文三篇，IEEE上发表论文一篇，获国家技术专利一项。

第1章 人工智能介绍
1.1 什么是人工智能
1.2 人工智能的3次浪潮
1.2.1 人工智能的第1次浪潮
1.2.2 人工智能的第2次浪潮
1.2.3 人工智能的第3次浪潮
1.3 人工智能发展的必备三要素
1.3.1 人工智能发展的基石：数据
1.3.2 人工智能发展的动力：算法
1.3.3 人工智能发展的手段：算力
1.4 人工智能的美好愿景
1.4.1 乌鸦与鹦鹉的启示
1.4.2 人工智能到底有多智能
第2章 深度学习环境配置
2.1 专业名称和配置方案介绍
2.1.1 专业名称介绍
2.1.2 Windows配置PyTorch深度学习环境初级方案
2.1.3 Windows配置PyTorch深度学习环境进阶方案
2.2 Anaconda配置Python和PyTorch
2.2.1 Anaconda简介
2.2.2 Windows系统安装Anaconda
2.2.3 Linux系统安装Anaconda
2.2.4 Anaconda的快速入门
2.2.5 Anaconda配置PyTorch深度学习环境
2.3 配置VS Code和Jupyter的Python环境
2.3.1 VS Code下载与安装
2.3.2 VS Code配置Python环境
2.3.3 Jupyter Notebook中配置Python环境
2.4 配置 Windows 11和Linux双系统
2.4.1 Windows 11配置WSL 2的详细步骤
2.4.2 Windows 11配置WSL 2的常见错误
2.4.3 VS Code远程连接WSL 2
2.5 配置Docker深度学习开发环境
2.5.1 Docker安装的先决条件
2.5.2 安装Docker Desktop
2.5.3 拉取Docker镜像
2.5.4 快速入门Docker终端的使用
2.5.5 VS Code使用Docker的快速入门
第3章 编程语言快速入门
3.1 Python的起源、历史和应用场景
3.1.1 Python的起源
3.1.2 Python的历史
3.1.3 Python的应用场景
3.2 Python的基础知识
3.2.1 注释
3.2.2 六大数据类型
3.3 Python的判断与循环语句
3.3.1 比较运算符和关系运算符
3.3.2 判断语句
3.3.3 循环语句
3.4 Python中的函数
3.4.1 函数的定义
3.4.2 函数中的变量
3.4.3 高级函数用法
3.4.4 Python中的文件操作函数
3.5 Python中的面向对象编程
……
第4章 卷积神经网络理论基础
第5章 那些年我们追过的ImageNet图像识别大赛
第6章 易于应用部署的轻量卷积模型
第7章 Transformer的强势入侵
第8章 多层感知机的重新思考