TensorFlow 2.0深度学习应用实践

作品简介

本书总的指导思想是在掌握深度学习的基本知识和特性的基础上，培养使用TensorFlow 2.0进行实际编程以解决图像处理相关问题的能力。全书力求深入浅出，通过通俗易懂的语言和详细的程序分析，介绍TensorFlow 2.0的基本用法、高级模型设计及其应用程序编写。

本书共18章，内容包括：计算视觉与深度学习概述、Python的安装与使用、深度学习的理论基础、Python类库的使用、OpenCV的使用、OpenCV与TensorFlow的融合、TensorFlow概念、TensorFlow重要算法、Keras的使用、卷积层与MNIST实战、卷积神经网络公式推导与应用、TensorFlow Datasets和TensorBoard详解、ResNet、注意力机制、深度学习常用面试问题、GAN、图卷积神经网络等内容。

本书可作为学习人工神经网络、深度学习、TensorFlow 2.0程序设计以及图像处理等相关内容的程序设计人员培训和自学用书，也可以作为高等院校和培训学校相关专业的教材使用。

王晓华，计算机专业讲师，长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程；主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立科研项目获省级成果认定，发表过多篇论文，拥有一项专利。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow 2.0卷积神经网络实战》等图书。

作品目录

• 内容简介
• 推荐序
• 再版自序——新的起点
• 前言
• 第1章　星星之火
• 1.1　计算机视觉与深度学习
• 1.2　计算机视觉学习的基础与研究方向
• 1.3　本章小结
• 第2章　Python的安装与使用
• 2.1　Python基本安装和用法
• 2.2　Python常用类库threading
• 2.3　本章小结
• 第3章　深度学习的理论基础——机器学习
• 3.1　机器学习基本分类
• 3.2　机器学习基本算法
• 3.3　算法的理论基础
• 3.4　回归算法
• 3.5　本章小结
• 第4章　Python类库的使用——数据处理及可视化展示
• 4.1　从小例子起步——NumPy的初步使用
• 4.2　图形化数据处理——Matplotlib包使用
• 4.3　深度学习理论方法——相似度计算
• 4.4　数据的统计学可视化展示
• 4.5　Python实战——某地降雨的关系处理
• 4.6　本章小结
• 第5章　 OpenCV的基础使用
• 5.1　OpenCV基本的图片读取
• 5.2　OpenCV的卷积核处理
• 5.3　本章小结
• 第6章　OpenCV与TensorFlow的融合
• 6.1　图片的自由缩放以及边缘裁剪
• 6.2　使用OpenCV扩大图像数据库
• 6.3　本章小结
• 第7章　Let’s play TensorFlow
• 7.1　TensorFlow游乐场
• 7.2　Hello TensorFlow
• 7.3　本章小结
• 第8章　Hello TensorFlow，从0到1
• 8.1　TensorFlow的安装
• 8.2　TensorFlow常量、变量和数据类型
• 8.3　TensorFlow矩阵计算
• 8.4　Hello TensorFlow
• 8.5　本章小结
• 第9章　TensorFlow重要算法基础
• 9.1　BP神经网络简介
• 9.2　BP神经网络两个基础算法详解
• 9.3　反馈神经网络反向传播算法介绍
• 9.4　本章小结
• 第10章　Hello TensorFlow & Keras
• 10.1　MODEL！MODEL！还是MODEL
• 10.2　使用Keras API实现鸢尾花分类的例子（顺序模式）
• 10.3　使用Keras函数式编程实现鸢尾花分类的例子（重点）
• 10.4　使用保存的Keras模式对模型进行复用
• 10.5　使用TensorFlow 2.0标准化编译对Iris模型进行拟合
• 10.6　多输入单输出TensorFlow 2.0编译方法（选学）
• 10.7　多输入多输出TensorFlow 2.0编译方法（选学）
• 10.8　全连接层详解
• 10.9　本章小结
• 第11章　卷积层详解与MNIST实战
• 11.1　卷积运算基本概念
• 11.2　TensorFlow 2.0编程实战：MNIST手写体识别
• 11.3　本章小结
• 第12章　卷积神经网络公式推导与应用
• 12.1　反馈神经网络算法
• 12.2　使用卷积神经网络分辨CIFAR-10数据集
• 12.3　本章小结
• 第13章　TensorFlow Datasets和TensorBoard详解
• 13.1　TensorFlow Datasets简介
• 13.2　Datasets数据集的基本使用
• 13.3　Datasets数据集的使用——Fashion-MNIST
• 13.4　使用Keras对Fashion-MNIST数据集进行处理
• 13.5　使用TensorBoard可视化训练过程
• 13.6　本章小结
• 第14章　从冠军开始：ResNet
• 14.1　ResNet基础原理与程序设计基础
• 14.2　ResNet实战CIFAR-100数据集分类
• 14.3　ResNet的兄弟——ResNeXt
• 14.4　本章小结
• 第15章　Attention is all we need
• 15.1　简单的理解注意力机制
• 15.2　SENet or CBAM注意力机制的经典模型
• 15.3　本章小结
• 第16章　开始找工作吧——深度学习常用面试问题答疑
• 16.1　深度学习面试常用问题答疑
• 16.2　卷积神经网络调优面试问答汇总
• 16.3　NIN模型介绍
• 16.4　deeper is better——GoogLeNet模型介绍
• 16.5　本章小结
• 第17章　不服就是GAN——对抗生成网络
• 17.1　一个悲惨的故事
• 17.2　GAN基本原理简介
• 17.3　GAN实战——手写体数字的生成
• 17.4　本章小结
• 第18章　未来的趋势——图卷积神经网络初步
• 18.1　图卷积神经网络的诞生背景
• 18.2　实战图卷积神经网络
• 18.3　本章小结