本工程是《21个项目玩转深度学习———基于TensorFlow的实践详解》的配套代码，代码推荐的运行环境为：Ubuntu 14.04，Python 2.7、TensorFlow >= 1.4.0。请尽量使用类UNIX系统和Python 2运行本书的代码。
欢迎有兴趣的同学猛戳下面的链接购买：
- 京东：https://item.jd.com/12327358.html
- 天猫：https://detail.tmall.com/item.htm?id=566399074299
- 当当：http://product.dangdang.com/25245282.html
写作这本书的初衷是希望提供一个深度学习实践案例的合集，让每个人都可以在“动手实验”的过程中，比较轻松地掌握深度学习和TensorFlow的使用技巧，并且能完整地做出一些有意思的项目。希望大家能在实践的过程中找到乐趣，如果有任何问题，欢迎通过issues提出纠错或改进建议。
以下是各章代码详细的运行方法：
- MNIST机器学习入门
- CIFAR-10与ImageNet图像识别
- 打造自己的图像识别模型
- Deep Dream
- 深度学习中的目标检测
- 人脸检测和人脸识别
- 图像风格迁移
- GAN与DCGAN入门
- pix2pix模型与自动上色技术
- 超分辨率：让图像变得更清晰
- CycleGAN与非配对图像转换
- RNN基本结构与Char RNN文本生成
- 序列分类问题详解
- 词的向量表示：word2vec与词嵌入
- 在TensorFlow中进行时间序列预测
- 神经网络机器翻译技术
- 看图说话：将图像转换为文字
- 强化学习入门之Q Learning
- 强化学习入门之SARSA算法
- 深度强化学习：Deep Q Learning
- 策略梯度（Policy Gradient）算法
本书包含的项目主要有三部分：第1～11章主要介绍CNN相关的项目，其中8~11章为GAN模型和它的几个重要变体；第12～17章主要介绍RNN、LSTM 相关的项目；第18～21章主要介绍强化学习相关的项目。
本工程主要包含的是项目的源代码文件，以chapter_1/ ~ chapter_21/ 标识。在有的章节中，还会额外需要一些数据集、模型等文件，我们用chapter_<章节名>_data/来表示。
例如：第四章有chapter_4/和chapter_4_data/两个文件夹，前者是源代码，后者是在运行程序时会用的数据文件。
由于数据文件通常比较大，建议读者在用到时候再进行下载，下载地址为：https://pan.baidu.com/s/1i7pKvFf，提取码：1kmf。
- 意见反馈邮箱：hzydl21 [at] 163.com
- 我的专栏博客：AI Insight
感谢电子工业出版社的孙学瑛女士和宋亚东先生为本书付出的努力，同时也感谢刘婧源同学给本书的宝贵建议。本书对于来自于网络的代码，在书中和配套代码的Readme文件中，均作了引用说明，在此也对原作者表示深深的感谢。