书籍目录
封面
书名
版权
前言
目录
第1章 深度学习简介
1.1人工智能、机器学习与深度学习
1.2深度学习的发展历程
1.3深度学习的应用
1.3.1计算机视觉
1.3.2语音识别
1.3.3自然语言处理
1.3.4人机博弈
1.4深度学习工具介绍和对比
小结
第2章 TensorFlow环境搭建
2.1TensorFlow的主要依赖包
2.1.1Protocol Buffer
2.1.2Bazel
2.2TensorFlow 安装
2.2.1使用 Docker 安装
2.2.2使用pip安装
2.2.3从源代码编译安装
2.3TensorFlow 测试样例
小结
第3章 TensorFlow 入门
3.1 TensorFlow计算模型计算图
3.1.1计算图的概念
3.1.2计算图的使用
3.2 TensorFlow数据模型张量
3.2.1张量的概念
3.2.2张量的使用
3.3TensorFlow运4亍模型会话
3.4TensorFlow实现神经网络
3.4.1TensorFlow游乐场及神经网络简介
3.4.2前向传播算法简介
3.4.3神经网络参数与TensorFlow变量
3.4.4通过TensorFlow训练神经网络模型
3.4.5完整神经网络样例程序
小结
第4章 深层神经网络
4.1深度学习与深层神经网络
4.1.1线性模型的局限性
4.1.2激活函数实现去线性化
4.1.3多层网络解决异或运算
4.2损失数定义
4.2.1经典损失函数
4.2.2自定义损失函数
4.3神经网络优化算法
4.4神经网络进一步优化
4.4.1学习率的设置
4.4.2过拟合问题
4.4.3滑动平均模型
小结
第5章 MNIST数字识别问题
5.1MNIST数据处理
5.2神经网络模型训练及不同模型结果对比
5.2.1TensorFlow训练神经网络
5.2.2使用验证数据集判断模型效果
5.2.3不同模型效果比较
5.3变量管理
5.4TensorFlow 模型持久化
5.4.1持久化代码实现
5.4.2持久化原理及数据格式
5.5TensorFlow最佳实践样例程序
小结
第6章 图像识别与卷积神经网络
6.1图像识别问题简介及经典数据集
6.2卷积神经网络简介
6.3卷积神经网络常用结构
6.3.1卷积层
6.3.2池化层
6.4经典卷积网络模型
6.4.1LeNet-5 模型
6.4.2Inception-v3 模型
6.5卷积神经网络迁移学习
6.5.1迁移学习介绍
6.5.2TensorFlow 实现迁移学习
小结
第7章 图像数据处理
7.1TFRecord输入数据格式
7.1.1TFRecord 格式介绍
7.1.2TFRecord 样例程序
7.2图像数据处理
7.2.1TensorFlow 图像处理函数
7.2.2图像预处理完整样例
7.3多线程输入数据处理框架
7.3.1队列与多线程
7.3.2输入文件队列
7.3.3组合训练数据(batching)
7.3.4输入数据处理框架
小结
第8章 循环神经网络
8.1循环神经网络简介
8.2长短时记忆网络(LTSM)结构
8.3循环神经网络的变种
8.3.1双向循环神经网络和深层循环神经网络
8.3.2循环神经网络的dropout
8.4循环神经网络样例应用
8.4.1自然语言建模
8.4.2时间序列预测
小结
第9章 TensorBoard 可视化
9.1TensorBoard 简介
9.2TensorFlow计算图可视化
9.2.1命名空间与TensorBoard图上节点
9.2.2节点信息
9.3紐指标可视化
小结
第10章 TensorFlow计算加速
10.1TensorFlow 使用 GPU
10.2深度学习训练并行模式
10.3多 GPU 并行
10.4分布式 TensorFlow
10.4.1分布式 TensorFlow 原理
10.4.2分布式TensorFlow模型训练
10.4.3使用 Caicloud 运行分布式 TensorFlow
小结
没有回复内容