从零开始学TensorFlow2.0

封面

版权信息

内容简介

前言

第1章 人工智能的概念

1.1 机器学习

1.2 神经网络

1.3 常用的深度学习框架

第2章 TensorFlow初探

2.1 在Linux系统中安装TensorFIow 2.0

2.2 在Linux系统中安装TensorFIow 2.0的GPU版本

2.3 在Windows系统中安装TensorFIow 2.0

2.4 在Windows系统中安装TensorFIow 2.0的GPU版本

第3章 TensorFlow的基础概念

3.1 张量

3.2 GPU加速

3.3 数据集

3.4 自定义层

第4章 TensorFlow与多层感知器

4.1 MLP简介

4.2 基础MLP网络

4.3 基础模型

4.4 权重初始化

4.5 激活函数

4.6 批标准化

4.7 dropout

4.8 模型集成

4.9 优化器

第5章 TensorFlow与卷积神经网络

5.1 基础卷积神经网络

5.2 卷积层的概念及示例

5.3 池化层的概念及示例

5.4 全连接层的概念及示例

5.5 模型的概念、配置及训练

第6章 TensorFlow自编码器

6.1 自编码器简介

6.2 卷积自编码器

第7章 TensorFlow高级编程

7.1 Keras基础

7.2 函数式API

7.3 使用Keras自定义网络层和模型

7.4 Keras训练模型

7.5 Keras模型的保存

第8章 TensorFlow文本分类

8.1 简单文本分类

8.2 卷积文本分类

8.3 RNN文本分类

第9章 TensorFlow图像处理

9.1 图像分类

9.2 图像识别

9.3 生成对抗网络

第10章 TensorFlow决策树

10.1 Boosted Trees简介

10.2 数据预测

第11章 TensorFlow过拟合和欠拟合

11.1 过拟合和欠拟合的基本概念

11.2 过拟合和欠拟合

11.3 优化方法

第12章 TensorFlow结构化数据

12.1 数字列

12.2 bucketized列

12.3 类别列

12.4 嵌入列

12.5 哈希特征列

12.6 交叉功能列

12.7 结构化数据的使用

第13章 TensorFlow回归

13.1 一元线性回归

13.2 多元线性回归