本书围绕人工智能的人才需求与岗位能力进行内容设计，将深度学习技术与实际应用相结合，旨在帮助读者全面了解深度学习的基本原理、常用模型和优化算法，并深入探讨在目标检测、图像识别、自然语言处理、风格迁移等领域的应用案例。
本书共6个项目、15个任务，主要内容包括使用TensorFlow实现服装图像分类、使用TensorFlow实现文本分类、使用迁移学习实现肺部X光检测、基于Flask的模型应用与部署——猫狗识别、神经网络的语言处理——五言古诗生成、使用VGG19迁移学习实现图像风格迁移。本书强调理论与实践相结合，旨在引导读者将学到的知识应用于实际项目中，解决实际问题。
本书适合作为职业院校人工智能技术应用及相关专业的教材，也可作为深度学习爱好者的参考书。

前言
二维码索引
项目1　使用TensorFlow实现服装图像分类
任务1　TensorFlow基础操作
任务2　服装图像分类
任务3　Keras Tuner超参数调节
项目2　使用TensorFlow实现文本分类
任务1　自定义神经网络对电影评论文本分类
任务2　使用Keras和TensorFlow Hub对电影评论文本分类
项目３　使用迁移学习实现肺部X光检测
任务1　肺部X光图像处理
任务2　VGG16模型搭建及训练
项目4　基于Flask的模型应用与部署——猫狗识别
任务1　模型训练与评估
任务2　运用Flask将模型部署成网页端应用
项目5　神经网络的语言处理——五言古诗生成
任务1　古诗词文本数据预处理
任务2　模型搭建与训练
任务3　模型测试与部署
项目６　使用VGG19迁移学习实现图像风格迁移
任务1　初识图像风格迁移
任务2　基于VGG19构建迁移学习模型
任务3　训练模型实现图像风格迁移
参考文献