logo
分类于: 编程语言 计算机基础 人工智能 云计算&大数据 互联网

简介

TensorFlow深度学习应用实践

TensorFlow深度学习应用实践 0.0分

资源最后更新于 2020-03-29 03:20:37

作者:王晓华

出版社:出版社清华大学出版社

出版日期:2018-01

ISBN:9787302487951

文件格式: pdf

标签: TensorFlow 编程语音

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的基本用法、高级模型设计和对应的程序编写。 本书共22章,内容包括Python类库的安装和使用、TensorFlow基本数据结构和使用、TensorFlow数据集的创建与读取、人工神经网络、反馈神经网络、全卷积神经网络的理论基础、深度学习模型的创建、模型的特性、算法、ResNet、Slim、GAN等。本书强调理论联系实际,重点介绍TensorFlow编程解决图像识别的应用,提供了大量数据集,并以代码的形式实现了深度学习模型,以供读者参考。 本书既可作为学习人工神经网络、深度学习、TensorFlow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,也可作为高等院校和培训机构相关专业的教材。王哓华,高校资深计算机专业讲师,给硏究生和本科生讲授面向对象程序设计、数据结构、Hadoop程序设计等相关课程。主要硏究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科硏课题,独立完成一项科硏成果获省级成果认定,发表过多篇论文,申请有一项专利。著有《Spark MUib机器学习实践》等图书。

想要: 点击会收藏到你的 我的收藏,可以在这里查看

已收: 表示已经收藏

Tips: 注册一个用户 可以通过用户中心得到电子书更新的通知哦

目录

  1. 内容简介
  2. 作者简介
  3. 推荐序
  4. 前言
  5. 写作本书的原因
  6. 本书的优势
  7. 本书的内容
  8. 本书的特点
  9. 本书适合人群
  10. 本书适合人群
  11. 本书作者
  12. 第1章 ◄星星之火►
  13. 1.1 计算机视觉与深度学习
  14. 1.2 计算机视觉学习的基础与研究方向
  15. 1.3 本章小结
  16. 第2章 ◄Python的安装与使用►
  17. 2.1 Python基本安装和用法
  18. 2.2 Python常用类库中的threading
  19. 2.3 本章小结
  20. 第3章 深度学习的理论基础——机器学习
  21. 3.1 机器学习基本分类
  22. 3.2 机器学习基本算法
  23. 3.3 算法的理论基础
  24. 3.4 回归算法
  25. 3.5 机器学习的其他算法——决策树
  26. 3.6 本章小结
  27. 第4章 Python类库的使用——数据处理及可视化展示
  28. 4.1 从小例子起步——NumPy的初步使用
  29. 4.2 图形化数据处理——Matplotlib包使用
  30. 4.3 深度学习理论方法——相似度计算
  31. 4.4 数据的统计学可视化展示
  32. 4.5 Python实战——某地降水的关系处理
  33. 4.6 本章小结
  34. 第5章 ◄OpenCV的基础使用►
  35. 5.1 OpenCV基本的图片读取
  36. 5.2 OpenCV的卷积核处理
  37. 5.3 本章小结
  38. 第6章 ◄OpenCV与TensorFlow的融合►
  39. 6.1 图片的自由缩放以及边缘裁剪
  40. 6.2 使用OpenCV扩大图像数据库
  41. 6.3 本章小结
  42. 第7章 ◄Let’s play TensorFlow►
  43. 7.1 TensorFlow游乐场
  44. 7.2 初识Hello TensorFlow
  45. 7.3 本章小结
  46. 第8章 ◄Hello TensorFlow,从0到1►
  47. 8.1 TensorFlow的安装
  48. 8.2 TensorFlow常量、变量和数据类型
  49. 8.3 TensorFlow矩阵计算
  50. 8.4 Hello TensorFlow
  51. 8.5 本章小结
  52. 第9章 ◄TensorFlow重要算法基础►
  53. 9.1 BP神经网络简介
  54. 9.2 BP神经网络中的两个基础算法
  55. 9.3 TensorFlow实战——房屋价格的计算
  56. 9.4 反馈神经网络反向传播算法
  57. 9.5 本章小结
  58. 第10章 TensorFlow数据的生成与读取详解
  59. 10.1 TensorFlow的队列
  60. 10.2 CSV文件的创建与读取
  61. 10.3 TensorFlow文件的创建与读取
  62. 10.4 本章小结
  63. 第11章 回归分析——从TensorFlow陷阱与细节开始
  64. 11.1 TensorFlow线性回归
  65. 11.2 多元线性回归实战编程
  66. 11.3 逻辑回归详解
  67. 11.4 本章小结
  68. 第12章 TensorFlow编程实战——MNIST手写体识别
  69. 12.1 MNIST数据集
  70. 12.2 MNIST数据集实战编程
  71. 12.3 初识卷积神经网络
  72. 12.4 本章小结
  73. 第13章 ◄卷积神经网络原理►
  74. 13.1 卷积运算基本概念
  75. 13.2 卷积神经网络的结构详解
  76. 13.3 TensorFlow实现LeNet实例
  77. 13.4 本章小结
  78. 第14章 ◄卷积神经网络公式推导与应用►
  79. 14.1 反馈神经网络算法
  80. 14.2 使用卷积神经网络分辨CIFAR-10数据集
  81. 14.3 本章小结
  82. 第15章 ◄猫狗大战——实战AlexNet►
  83. 15.1 AlexNet简介
  84. 15.2 实战猫狗大战——AlexNet模型
  85. 15.3 本章小结
  86. 第16章 我们都爱Finetuning——复用VGG16进行猫狗大战
  87. 16.1 TensorFlow模型保存与恢复详解
  88. 16.2 更为细化的保存和恢复方法
  89. 16.3 VGGNet实现
  90. 16.4 使用已训练好的模型和权重复现VGGNet
  91. 16.5 猫狗大战V2——Finetuning使用VGGNet进行图像判断
  92. 16.6 本章小结
  93. 第17章 开始找工作吧——深度学习常用面试问题答疑
  94. 17.1 深度学习面试常用问题答疑
  95. 17.2 卷积神经网络调优面试问答汇总
  96. 17.3 NIN模型介绍
  97. 17.4 “deeper is better”——GoogLeNet模型介绍
  98. 17.5 本章小结
  99. 第18章 暂时的冠军——ResNet简介及TensorFlow实现
  100. 18.1 ResNet模型简介
  101. 18.2 新兴的卷积神经模型简介
  102. 18.3 本章小结
  103. 第19章 TensorFlow高级API——Slim使用入门
  104. 19.1 Slim详解
  105. 19.2 Slim使用方法介绍
  106. 19.3 实战——使用Slim定义VGG16
  107. 19.4 实战—使用Slim设计多层感知器(MLP)
  108. 19.5 Slim数据读取方式
  109. 19.6 本章小结
  110. 第20章 Slim使用进阶
  111. 20.1 使用Slim创建卷积神经网络(CNN)
  112. 20.2 使用Slim预训练模型进行Finetuning
  113. 20.3 本章小结
  114. 第21章 全卷积神经网络图像分割入门
  115. 21.1 全卷积神经网络进行图像分割的理论基础
  116. 21.2 全卷积神经网络进行图像分割的分步流程与编程基础
  117. 21.3 本章小结
  118. 第22章 不服就是GAN——对抗生成网络
  119. 22.1 对抗生成网络详解
  120. 22.2 从0到1—实战:使用GAN生成手写体数字
  121. 22.3 本章小结