更新时间：2024-04-12 18:45:12
封面
版权信息
内容简介
第2版前言
第1版前言
第一部分 TensorFlow基础
第1章 NumPy基础
1.1 把图像数字化
1.2 存取元素
1.3 NumPy的算术运算
1.4 数据变形
1.5 通用函数
1.6 广播机制
1.7 用NumPy实现回归实例
1.8 小结
第2章 TensorFlow基础知识
2.1 安装配置
2.2 层次架构
2.3 张量
2.4 变量
2.5 NumPy与tf.Tensor比较
2.6 计算图
2.7 自动图
2.8 自动微分
2.9 损失函数
2.10 优化器
2.11 使用TensorFlow 2.0实现回归实例
2.12 GPU加速
2.13 小结
第3章 TensorFlow构建模型的方法
3.1 利用低阶API构建模型
3.2 利用中阶API构建模型
3.3 利用高阶API构建模型
3.4 小结
第4章 TensorFlow数据处理
4.1 tf.data简介
4.2 构建数据集的常用方法
4.3 如何生成自己的TFRecord格式数据
4.4 数据增强方法
4.5 小结
第5章 可视化
5.1 matplotlib
5.2 pyecharts
5.3 TensorBoard
5.4 小结
第二部分 深度学习基础
第6章 机器学习基础
6.1 机器学习的一般流程
6.2 监督学习
6.3 无监督学习
6.4 数据预处理
6.5 机器学习实例
6.6 小结
第7章 神经网络基础
7.1 单层神经网络
7.2 多层神经网络
7.3 激活函数
7.4 正向和反向传播算法
7.5 解决过拟合问题
7.6 选择优化算法
7.7 使用tf.keras构建神经网络
7.8 小结
第8章 视觉处理基础
8.1 从全连接层到卷积层
8.2 卷积层
8.3 池化层
8.4 现代经典网络
8.5 卷积神经网络分类实例
8.6 小结
第9章 自然语言处理基础
9.1 从语言模型到循环神经网络
9.2 正向传播与随时间反向传播
9.3 现代循环神经网络
9.4 几种特殊架构
9.5 循环神经网络的应用场景
9.6 循环神经网络实践
9.7 小结
第10章 注意力机制
10.1 注意力机制概述
10.2 带注意力机制的编码器-解码器架构
10.3 可视化Transformer架构
10.4 使用TensorFlow实现Transformer
10.5 小结
第11章 目标检测
11.1 目标检测及主要挑战
11.2 优化候选框的算法
11.3 典型的目标检测算法
11.4 小结
第12章 生成式深度学习
12.1 用变分自编码器生成图像
12.2 GAN简介
12.3 用GAN生成图像
12.4 VAE与GAN的异同
12.5 CGAN
12.6 提升GAN训练效果的一些技巧
12.7 小结
第三部分 深度学习实践
第13章 实战生成式模型
13.1 Deep Dream模型
13.2 风格迁移
