《深度学习实战：基于TensorFlow 2.X的计算机视觉开发应用》从环境的搭建和TensorFlow 2.X的基础语法讲起，逐步深入到计算机视觉领域的算法模型理论与实战应用，并重点讲解了如何使用TensorFlow 2.X框架实现各类经典的深度学习模型，让读者可以系统地学习TensorFlow 2.X在计算机视觉领域的相关知识和实战应用。
全书共13章，涵盖的主要内容有Anaconda环境配置、JupyterNotebook使用、神经网络模型和用Python从零实现神经网络、TensorFlow 2.X的基础语法、图像分类的算法模型理论和实战、迁移学习技术实战、目标检测的算法模型理论和实战、自编码器的算法模型理论和实战、生成式对抗网络的算法模型理论和实战、基于深度学习的指纹识别技术实战、基于摄像头的指定物体实时预测、基于Linux平台下的深度学习模型网页部署、基于exe程序的深度学习识别系统以及自动机器学习的理论与实战等。
《深度学习实战：基于TensorFlow 2.X的计算机视觉开发应用》内容通俗易懂、案例丰富、实用性强，特别适合机器学习、深度学习和计算机视觉领域的入门读者阅读，也适合Python程序员等其他编程爱好者阅读。另外，本书也可作为相关院校或培训机构的教材使用。

邱宇航，澳大利亚八大名校蒙纳士大学全额奖学金博士，研究方向为人工智能工业应用，深度学习及计算机视觉；曾任苏州中科院医工所研究助理一年，公费至台湾交通大学交流半年；本科期间获得专业唯一毕业论文优秀奖，担任学科竞赛队伍带头人参与省级以上竞赛20余项，获奖项10余项，省级奖项若干项，并作为全国50强入选百度青年人工智能创客训练营；迄今，在计算机人工智能相关研究领域发表多篇论文，包含Q1、Q2等业内知名期刊SCI论文和会议论文，申请获批多项专利和软件著作权，担任如《Concurrency and Computation: Practice and Experience》等在内的SCI期刊审稿人。

第1章 绪论
1.1 人工智能简介
1.1.1 人工智能发展历史
1.1.2 深度学习发展历史
1.1.3 深度学习应用领域
1.1.4 计算机视觉简介
1.2 深度学习框架
1.2.1 主流框架
1.2.2 TensorFlow和PyTorch
1.2.3 TensorFlow 1.X和TensorFlow 2.X
1.3 Anaconda开发环境配置
1.3.1 Anaconda简介
1.3.2 安装Anaconda
1.3.3 Anaconda常用操作指令
1.3.4 安装TensorFlow 2.X
1.4 Jupyter Notebook配置
1.4.1 Jupyter Notebook简介
1.4.2 打开并使用Jupyter Notebook
1.4.3 Jupyter Notebook常用快捷键
第2章 神经网络基础
2.1 神经网络模型理论基础
2.1.1 神经元模型（M-P模型）
2.1.2 激活函数
2.1.3 神经网络的前向传播
2.1.4 神经网络的反向传播
2.1.5 梯度下降法
2.2 用Python从零实现神经网络
2.2.1 MNIST 数据集
2.2.2 MNIST数据集的下载及读取
2.2.3 单层神经网络搭建
第3章 TensorFlow 2.X理论基础
3.1 张量类型及基本运算
3.1.1 张量类型
3.1.2 创建张量
3.1.3 创建特殊张量
3.1.4 张量的数学运算
3.1.5 张量切片和索引
3.1.6 张量维度变换
3.1.7 字符串张量
3.1.8 Ragged张量
3.2 张量梯度自动求导
3.2.1 Variable张量
3.2.2 梯度自动求导
3.2.3 tf.function
3.3 神经网络模型实战
3.3.1 搭建分类神经网络
3.3.2 搭建回归神经网络
3.3.3 自定义层搭建神经网络
3.4 模型训练技巧及保存加载
3.4.1 Dropout层
3.4.2 EarlyStopping
3.4.3 模型的保存与加载
第4章 图像分类
第5章 迁移学习
第6章 目标检测
第7章 自编码器
第8章 生成式对抗网络
第9章 指纹识别
第10章 基于摄像头的指定物体实时预测
第11章 模型部署、网站搭建与服务器配置
第12章 基于exe程序的深度学习识别系统
第13章 自动机器学习