add content fig

README.md

@@ -19,189 +19,12 @@ https://github.com/dragen1860/TensorFlow-2.x-Tutorials
 -	联系邮箱(一般问题建议Github issues交流)：liangqu.long AT gmail.com
 
 # 目录
-- 第1章 人工智能绪论
-
-  1.1 人工智能
-  1.2 神经网络发展简史
-  1.3 深度学习特点
-  1.4 深度学习应用
-  1.5 深度学习框架
-  1.6 开发环境安装
-  1.7 参考文献
-
-
-  
-
-- 第2章 回归问题
-
-  2.1 神经元模型
-  2.2 优化方法
-  2.3 线性模型实战
-  2.4 线性回归
-  2.5 参考文献
-
-- 第3章 分类问题
-
-  3.1 手写数字图片数据集
-  3.2 模型构建
-  3.3 误差计算
-  3.4 真的解决了吗
-  3.5 非线性模型
-  3.6 表达能力
-  3.7 优化方法
-  3.8 手写数字图片识别体验
-  3.9 小结
-  3.10 参考文献
-
-- 第4章 TensorFlow基础
-
-  4.1 数据类型
-  4.2 数值精度
-  4.3 待优化张量
-  4.4 创建张量
-  4.5 张量的典型应用
-  4.6 索引与切片
-  4.7 维度变换
-  4.8 Broadcasting
-  4.9 数学运算
-  4.10 前向传播实战
-  4.11 参考文献
-
-- 第5章 TensorFlow进阶
-
-  5.1 合并与分割
-  5.2 数据统计
-  5.3 张量比较
-  5.4 填充与复制
-  5.5 数据限幅
-  5.6 高级操作
-  5.7 经典数据集加载
-  5.8 MNIST测试实战
-  5.9 参考文献
-
-- 第6章 神经网络
-
-  6.1 感知机
-  6.2 全连接层
-  6.3 神经网络
-  6.4 激活函数
-  6.5 输出层设计
-  6.6 误差计算
-  6.7 神经网络类型
-  6.8 油耗预测实战
-  6.9 参考文献
-
-- 第7章 反向传播算法
-
-  7.1 导数与梯度
-  7.2 导数常见性质
-  7.3 激活函数导数
-  7.4 损失函数梯度
-  7.5 全连接层梯度
-  7.6 链式法则
-  7.7 反向传播算法
-  7.8 Himmelblau函数优化实战
-  7.9 反向传播算法实战
-  7.10 参考文献
-
-- 第8章 Keras高层接口
-
-  8.1 常见功能模块
-  8.2 模型装配、训练与测试
-  8.3 模型保存与加载
-  8.4 自定义类
-  8.5 模型乐园
-  8.6 测量工具
-  8.7 可视化
-  8.8 参考文献
-
-- 第9章 过拟合
-
-  9.1 模型的容量
-  9.2 过拟合与欠拟合
-  9.3 数据集划分
-  9.4 模型设计
-  9.5 正则化
-  9.6 Dropout
-  9.7 数据增强
-  9.8 过拟合问题实战
-  9.9 参考文献
-
-- 第10章 卷积神经网络
-
-  10.1 全连接网络的问题
-  10.2 卷积神经网络
-  10.3 卷积层实现
-  10.4 LeNet-5实战
-  10.5 表示学习
-  10.6 梯度传播
-  10.7 池化层
-  10.8 BatchNorm层
-  10.9 经典卷积网络
-  10.10 CIFAR10与VGG13实战
-  10.11 卷积层变种
-  10.12 深度残差网络
-  10.13 DenseNet
-  10.14 CIFAR10与ResNet18实战
-  10.15 参考文献
-
-- 第11章 循环神经网络
-
-  11.1 序列表示方法
-  11.2 循环神经网络
-  11.3 梯度传播
-  11.4 RNN层使用方法
-  11.5 RNN情感分类问题实战
-  11.6 梯度弥散和梯度爆炸
-  11.7 RNN短时记忆
-  11.8 LSTM原理
-  11.9 LSTM层使用方法
-  11.10 GRU简介
-  11.11 LSTM/GRU情感分类问题再战
-  11.12 预训练的词向量
-  11.13 参考文献
-
-- 第12章 自编码器
-
-  12.1 自编码器原理
-  12.2 MNIST图片重建实战
-  12.3 自编码器变种
-  12.4 变分自编码器
-  12.5 VAE实战
-  12.6 参考文献
-
-- 第13章 生成对抗网络
-
-  13.1 博弈学习实例
-  13.2 GAN原理
-  13.3 DCGAN实战
-  13.4 GAN变种
-  13.5 纳什均衡
-  13.6 GAN训练难题
-  13.7 WGAN原理
-  13.8 WGAN-GP实战
-  13.9 参考文献
-
-- 第14章 强化学习
-
-  14.1 先睹为快
-  14.2 强化学习问题
-  14.3 策略梯度方法
-  14.4 值函数方法
-  14.5 Actor-Critic方法
-  14.6 小结
-  14.7 参考文献
-
-- 第15章 自定义数据集
-
-  15.1 精灵宝可梦数据集
-  15.2 自定义数据集加载流程
-  15.3 宝可梦数据集实战
-  15.4 迁移学习
-  15.5 Saved_model
-  15.6 模型部署
-  15.7 参考文献
 
+<p align="center">
+  <img src="assets/0.4.目录-双排-1.jpg">
+  <img src="assets/0.4.目录-双排-2.png">
+  <img src="assets/0.4.目录-双排-3.png">
+</p>