《TensorFlow 2.0深度學習套用實踐》是由2020年5月清華大學出版社出版的圖書。
基本介紹
- 中文名：TensorFlow 2.0深度學習套用實踐
- 作者：王曉華
- 出版社：清華大學出版社
- ISBN：9787302554783
作品簡介,作品目錄,
作品簡介
本書總的指導思想是在掌握深度學習的基本知識和特性的基礎上，培養使用TensorFlow 2.0進行實際編程以解決圖像處理相關問題的能力拒懂。全書力求深入淺出，通過通俗易懂的語言和詳細的程式分析，介紹TensorFlow 2.0的基本用法、高級模型設計及其應用程式編寫。
本書共18章，內容包括：計算視覺與深度學習概述、Python的安裝與使用、深度學習的理論基礎、Python類庫的使用、OpenCV的使用樂提拒、OpenCV與TensorFlow的融合、TensorFlow概念、TensorFlow重要算法、Keras的使用、卷積層與MNIST實戰、卷積神經網路公式推導與套用、TensorFlow Datasets和TensorBoard詳解、ResNet、注意力機制、深度學習常用面試問題、GAN、圖卷積神經網路等內容。
本書可作為學習人工神經網路、深度學習、TensorFlow 2.0程式設計以及圖像處理等相關內容的程式設計人員培訓和自學用書，也可以作為高等院校和培訓學校相關專業的教材使用。
作品目錄
內容簡介
推薦序
再版自序——新的起點
前霸碑櫃言
第1章 星星之火
1.1 計算機視覺與深度學習
1.2 計算機視覺學習的基礎與研究方向
1.3 本章小結
第2章 Python的安裝與使用
2.1 Python基本安裝和用法
2.2 Python常用類庫threading
2.3 本章小結
第3章 深度學習的理論基礎——機器學習
3.1 機器學習基本分類
3.2 機器學習基本算法
3.3 算法的理論基礎
3.4 回歸算法
3.5 本章小結
第4章 Python類庫的使用——數據處理及可視化展示
4.1 從小例子起步——NumPy的初步使用
4.2 圖形化數據處理—霉蒸兵燥—Matplotlib包使用
4.3 深度學習理論方法——相似度計算
4.4 數據的統計學可視化展示
4.5 Python實戰——某地降雨的關係處理
4.6 本章小結槓夜膠
第5章 OpenCV的基礎使用
5.1 OpenCV基本的圖片讀取
5.2 OpenCV的卷積核處理
5.3 本章小結
第6章 OpenCV與TensorFlow的融合
6.1 圖片的自由縮放以及邊緣裁剪
6.2 使用OpenCV擴大圖像資料庫
6.3 本章小結
第7章 Let’s play TensorFlow
7.1 TensorFlow遊樂場
7.2 Hello TensorFlow
7.3 本章小結
第8章 Hello TensorFlow，從0到1
8.1 承勸背TensorFlow的安裝
8.2 TensorFlow常量、變數和數據類型
8.3 TensorFlow矩陣計算
8.4 Hello TensorFlow
8.5 本章小結
第9章 TensorFlow重要算法基礎
9.1 BP神經網路簡介
9.2 BP神經網路兩個基礎算法詳解
9.3 反饋神經網路反向傳播算法介紹
9.4 本章小結
第10章 Hello TensorFlow & Keras
10.1 MODEL！MODEL！還是MODEL
10.2 使用Keras API實現鳶尾花分類的例子（順序模式）
10.3 使用Keras函式式編程實現鳶尾花分類的例子（重點）
10.4 使用保存的Keras模式對模型進行復用
10.5 使用TensorFlow 2.0標準化編譯對Iris模型進行擬合
10.6 多輸入單輸出TensorFlow 2.0編譯方法（選學）
10.7 多輸入多輸出TensorFlow 2.0編譯方法（選學）
10.8 全連線層詳解
10.9 本章小結
第11章 卷積層詳解與MNIST實戰
11.1 卷積運算基本概念
11.2 TensorFlow 2.0編程實戰：MNIST手寫體識別
11.3 本章小結
第12章 卷積神經網路公式推導與套用
12.1 反饋神經網路算法
12.2 使用卷積神經網路分辨CIFAR-10數據集
12.3 本章小結
第13章 TensorFlow Datasets和TensorBoard詳解
13.1 TensorFlow Datasets簡介
13.2 Datasets數據集的基本使用
13.3 Datasets數據集的使用——Fashion-MNIST
13.4 使用Keras對Fashion-MNIST數據集進行處理
13.5 使用TensorBoard可視化訓練過程
13.6 本章小結
第14章 從冠軍開籃歡達只始：ResNet
14.1 ResNet基礎原理與程式設計基礎
14.2 ResNet實戰CIFAR-100數據集分類
14.3 ResNet的兄弟——ResNeXt
14.4 本章小結
第15章 Attention is all we need
15.1 簡單的理解注意力機制
15.2 SENet or CBAM注意力機制的經典模型
15.3 本章小結
第16章 開始找工作吧——深度學習常用面試問題答疑
16.1 深度學習面試常用問題答疑
16.2 卷積神經網路調優面試問答匯總
16.3 NIN模型介紹
16.4 deeper is better——GoogLeNet模型介紹
16.5 本章小結
第17章 不服就是GAN——對抗生成網路
17.1 一個悲慘的故事
17.2 GAN基本原理簡介
17.3 GAN實戰——手寫體數字的生成
17.4 本章小結
第18章 未來的趨勢——圖卷積神經網路初步
18.1 圖卷積神經網路的誕生背景
18.2 實戰圖卷積神經網路
18.3 本章小結
7.1 TensorFlow遊樂場
7.2 Hello TensorFlow
7.3 本章小結
第8章 Hello TensorFlow，從0到1
8.1 TensorFlow的安裝
8.2 TensorFlow常量、變數和數據類型
8.3 TensorFlow矩陣計算
8.4 Hello TensorFlow
8.5 本章小結
第9章 TensorFlow重要算法基礎
9.1 BP神經網路簡介
9.2 BP神經網路兩個基礎算法詳解
9.3 反饋神經網路反向傳播算法介紹
9.4 本章小結
第10章 Hello TensorFlow & Keras
10.1 MODEL！MODEL！還是MODEL
10.2 使用Keras API實現鳶尾花分類的例子（順序模式）
10.3 使用Keras函式式編程實現鳶尾花分類的例子（重點）
10.4 使用保存的Keras模式對模型進行復用
10.5 使用TensorFlow 2.0標準化編譯對Iris模型進行擬合
10.6 多輸入單輸出TensorFlow 2.0編譯方法（選學）
10.7 多輸入多輸出TensorFlow 2.0編譯方法（選學）
10.8 全連線層詳解
10.9 本章小結
第11章 卷積層詳解與MNIST實戰
11.1 卷積運算基本概念
11.2 TensorFlow 2.0編程實戰：MNIST手寫體識別
11.3 本章小結
第12章 卷積神經網路公式推導與套用
12.1 反饋神經網路算法
12.2 使用卷積神經網路分辨CIFAR-10數據集
12.3 本章小結
第13章 TensorFlow Datasets和TensorBoard詳解
13.1 TensorFlow Datasets簡介
13.2 Datasets數據集的基本使用
13.3 Datasets數據集的使用——Fashion-MNIST
13.4 使用Keras對Fashion-MNIST數據集進行處理
13.5 使用TensorBoard可視化訓練過程
13.6 本章小結
第14章 從冠軍開始：ResNet
14.1 ResNet基礎原理與程式設計基礎
14.2 ResNet實戰CIFAR-100數據集分類
14.3 ResNet的兄弟——ResNeXt
14.4 本章小結
第15章 Attention is all we need
15.1 簡單的理解注意力機制
15.2 SENet or CBAM注意力機制的經典模型
15.3 本章小結
第16章 開始找工作吧——深度學習常用面試問題答疑
16.1 深度學習面試常用問題答疑
16.2 卷積神經網路調優面試問答匯總
16.3 NIN模型介紹
16.4 deeper is better——GoogLeNet模型介紹
16.5 本章小結
第17章 不服就是GAN——對抗生成網路
17.1 一個悲慘的故事
17.2 GAN基本原理簡介
17.3 GAN實戰——手寫體數字的生成
17.4 本章小結
第18章 未來的趨勢——圖卷積神經網路初步
18.1 圖卷積神經網路的誕生背景
18.2 實戰圖卷積神經網路
18.3 本章小結
