解析深度學習：捲積神經網絡原理與視覺實踐

深度學習，特別是深度捲積神經網絡是人工智能的重要分支領域，捲積神經網絡技術也被廣泛應用於各種現實場景，在許多問題上都取得了超越人類智能的結果。

本書作為該領域的入門書籍，在內容上涵蓋深度捲積神經網絡的基礎知識和實踐應用兩大方面。

全書共14 章，分為三個部分：

第一部分為緒論；

第二部分（第1～4 章）介紹捲積神經網絡的基礎知識、基本部件、經典結構和模型壓縮等基礎理論內容；

第三部分（第5～14 章）介紹深度捲積神經網絡自數據準備開始，到模型參數初始化、不同網絡部件的選擇、網絡配置、網絡模型訓練、不平衡數據處理，最終到模型集成等實踐應用技巧和經驗。

本書並不是一本編程類書籍，而是希望通過“基礎知識”和“實踐技巧”兩方面使讀者從更高維度瞭解、掌握並成功構建針對自身應用問題的深度捲積神經網絡。

本書可作為深度學習和捲積神經網絡愛好者的入門書籍，也可供沒有機器學習背景但希望能快速掌握該方面知識並將其應用於實際問題的各行從業者閱讀參考。