Deep-Learning-with-TensorFlow-book

TensorFlow 2.0深度学习开源书

包含电子书，配套源代码等。

• 提交错误或者修改等反馈意见，请在Github Issues页面提交：

https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book/issues

• 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。

• 深度学习与TensorFlow入门实战 https://study.163.com/course/courseMain.htm?share=2&shareId=480000001847407&courseId=1209092816&_trace_c_p_k2_=9e74eb6f891d47cfaa6f00b5cb5f617c
• 深度学习与PyTorch入门实战 https://study.163.com/course/courseMain.htm?share=2&shareId=480000001847407&courseId=1208894818&_trace_c_p_k2_=8d1b10e04bd34d69855bb71da65b0549