Update README.md

README.md

@@ -11,14 +11,181 @@
 
 https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book/issues
 
--	本书主页，以及源代码，电子书下载，正式版也会在此同步更新：
-https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book
-
 -	TensorFlow 2.0 实战案例：
 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
+
+
+
+
+
 #	配套视频课程
 
 收费，提供答疑等全方位服务，不喜勿喷。