TensorFlow 2.0卷积神经网络实战

作品简介

卷积神经网络是现代神经网络的核心内容，TensorFlow又是现在最为流行的深度学习框架。本书使用TensorFlow 2.0作为卷积神经网络实现的基本工具，引导深度学习初学者，从搭建环境开始，逐步深入到理论、代码和应用实践中去。

本书分为8章，第1章从搭建环境开始，包含Anaconda、Python、PyCharm、TensorFlow CPU版本和GPU版本的安装；第2章是Keras+TensorFlow 2.0的使用基础；第3章是TensorFlow 2.0语法；第4章是MNIST实战；第5章是Dataset API；第6章是ResNet理论和实践；第7章是注意力模型；第8章是通过卷积实现的一个项目案例：识文断字。

本书内容详尽、示例丰富，是机器学习和深度学习初学者必备的参考书，同时非常适合高等院校人工智能相关专业的师生阅读，也可作为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》等图书。

作品目录

• 内容简介
• 作者简介
• 前言
• 第1章　Python和TensorFlow 2.0的安装
• 1.1　Python基本安装和用法
• 1.2　TensorFlow 2.0 GPU版本的安装
• 1.3　Hello TensorFlow
• 1.4　本章小结
• 第2章　简化代码的复杂性：TensorFlow 2.0基础与进阶
• 2.1　配角转成主角——从TensorFlow Eager Execution转正谈起
• 2.2　Hello TensorFlow & Keras
• 2.3　全连接层详解
• 2.4　本章小结
• 第3章　◄TensorFlow 2.0语法基础►
• 3.1　BP神经网络简介
• 3.2　BP神经网络两个基础算法详解
• 3.3　反馈神经网络反向传播算法介绍
• 3.4　本章小结
• 第4章　◄卷积层详解与MNIST实战►
• 4.1　卷积运算基本概念
• 4.2　TensorFlow 2.0编程实战——MNIST手写体识别
• 4.3　本章小结
• 第5章　TensorFlow 2.0 Dataset使用详解
• 5.1　Dataset API基本结构和内容
• 5.2　Dataset API高级用法
• 5.3　使用TFRecord API创建和使用数据集
• 5.4　TFRecord实战——带有处理模型的完整例子
• 5.4　本章小结
• 第6章　◄从冠军开始：ResNet►
• 6.1　ResNet基础原理与程序设计基础
• 6.2　ResNet实战CIFAR-100数据集分类
• 6.3　ResNet的兄弟——ResNeXt
• 6.4　其他的卷积神经模型简介
• 6.5　本章小结
• 第7章　◄Attention is all we need!►
• 7.1　简单的理解注意力机制
• 7.2　SENet和CBAM注意力机制的经典模型
• 7.3　本章小结
• 第8章　卷积神经网络实战：识文断字我也可以
• 8.1　文本数据处理
• 8.2　针对文本的卷积神经网络模型简介——字符卷积
• 8.3　针对文本的卷积神经网络模型简介——词卷积
• 8.4　使用卷积对文本分类的补充内容
• 8.5　本章小结