TensorFlow2.0深度学习从零开始学

作品简介

随着人工智能的发展以及TensorFlow在人工智能方面的火热应用，越来越多的大学逐步开设深度学习和人工智能课程。本书既是一本为读者量身定制的TensorFlow2.0入门教材，也是针对需要学习TensorFlow2.0新内容的读者提供的基础与进阶知识的深入型教材。

本书分为10章，主要内容包括TensorFlow2.0开发环境、TensorFlow2.0新特性、TensorFlow与Keras的使用、TensorFlow2.0语法基础、卷积层详解与MNIST实战、Dataset使用详解、TensorFlow Datasets和TensorBoard详解、ResNet及其实战、注意力机制、卷积神经网络实战。 本书内容详尽、示例丰富，是广大对TensorFlow2.0感兴趣的读者必备的参考书，同时也非常适合大中专院校师生学习阅读，还可作为高等院校计算机及相关专业的教材使用。

作品目录

• 内容简介
• 前言
• 第1章　TensorFlow 2.0的安装
• 1.1　Python基本安装和用法
• 1.2　TensorFlow 2.0GPU版本的安装
• 1.3　Hello TensorFlow 2.0
• 1.4　本章小结
• 第2章　TensorFlow 2.0令人期待的变化
• 2.1　新的架构、新的运行、新的开始
• 2.2　配角转成主角：从TensorFlow Eager Execution转正谈起
• 2.3　使用TensorFlow 2.0模式进行线性回归的一个简单例子
• 2.4　TensorFlow 2.0进阶——AutoGraph和tf.function
• 2.5　本章小结
• 第3章　TensorFlow和Keras
• 3.1　模型！模型！模型！还是模型
• 3.2　使用Keras API实现鸢尾花分类的例子（顺序模式）
• 3.3　多输入单一输出TensorFlow 2.0编译方法（选学）
• 3.4　多输入多输出TensorFlow 2.0编译方法（选学）
• 3.5　全连接层详解
• 3.6　本章小结
• 第4章　TensorFlow 2.0语法基础
• 4.1　BP神经网络简介
• 4.2　BP神经网络的两个基础算法
• 4.3　反馈神经网络反向传播算法
• 4.3.5　反馈神经网络原理的Python实现
• 4.4　本章小结
• 第5章　卷积层与MNIST实战
• 5.1　卷积运算
• 5.2　TensorFlow 2.0编程实战：MNIST手写体识别
• 5.3　本章小结
• 第6章　TensorFlow 2.0 Dataset使用详解
• 6.1　Dataset API基本结构和内容
• 6.2　Dataset API高级用法
• 6.3　使用TFRecord API创建和使用数据集
• 6.4　TFRecord实战：带有处理模型的完整例子
• 6.5　本章小结
• 第7章　TensorFlow Datasets和TensorBoard详解
• 7.1　TensorFlow Datasets简介
• 7.2　Datasets数据集的使用——FashionMNIST
• 7.3　使用Keras对FashionMNIST数据集进行处理
• 7.4　使用TensorBoard可视化训练过程
• 7.5　本章小结
• 第8章　从冠军开始：ResNet
• 8.1　ResNet基础原理与程序设计基础
• 8.2　ResNet实战：CIFAR-100数据集分类
• 8.3　ResNet的兄弟——ResNeXt
• 8.4　本章小结
• 第9章　注意力机制
• 9.1　何为“注意力”
• 9.2　注意力机制的两种常见形式
• 9.3　注意力机制的两种实现形式
• 9.4　注意力机制的两种经典模型
• 9.5　本章小结
• 第10章　卷积神经网络实战：识文断字也可以
• 10.1　文本数据处理
• 10.2　针对文本的卷积神经网络模型——字符卷积
• 10.3　针对文本的卷积神经网络模型——词卷积
• 10.4　使用卷积对文本分类的补充内容
• 10.5　本章小结