更新时间：2021-03-26 23:09:54
封面
版权信息
作者简介
内容简介
推荐序
再版自序——新的起点
新的架构、新的运行、新的开始
配角转成主角
前言
写作本书的原因
本书的优势
本书有什么内容
本书特点
示例代码下载
本书适合读者
作者与致谢
第1章 星星之火
1.1 计算机视觉与深度学习
1.2 计算机视觉学习的基础与研究方向
1.3 本章小结
第2章 Python的安装与使用
2.1 Python基本安装和用法
2.2 Python常用类库threading
2.3 本章小结
第3章 深度学习的理论基础——机器学习
3.1 机器学习基本分类
3.2 机器学习基本算法
3.3 算法的理论基础
3.4 回归算法
3.5 本章小结
第4章 Python类库的使用——数据处理及可视化展示
4.1 从小例子起步——NumPy的初步使用
4.2 图形化数据处理——Matplotlib包使用
4.3 深度学习理论方法——相似度计算
4.4 数据的统计学可视化展示
4.5 Python实战——某地降雨的关系处理
4.6 本章小结
第5章 OpenCV的基础使用
5.1 OpenCV基本的图片读取
5.2 OpenCV的卷积核处理
5.3 本章小结
第6章 OpenCV与TensorFlow的融合
6.1 图片的自由缩放以及边缘裁剪
6.2 使用OpenCV扩大图像数据库
6.3 本章小结
第7章 Let’s play TensorFlow
7.1 TensorFlow游乐场
7.2 Hello TensorFlow
7.3 本章小结
第8章 Hello TensorFlow，从0到1
8.1 TensorFlow的安装
8.2 TensorFlow常量、变量和数据类型
8.3 TensorFlow矩阵计算
8.4 Hello TensorFlow
8.5 本章小结
第9章 TensorFlow重要算法基础
9.1 BP神经网络简介
9.2 BP神经网络两个基础算法详解
9.3 反馈神经网络反向传播算法介绍
9.4 本章小结
第10章 Hello TensorFlow & Keras
10.1 MODEL！MODEL！还是MODEL
10.2 使用Keras API实现鸢尾花分类的例子（顺序模式）
10.3 使用Keras函数式编程实现鸢尾花分类的例子（重点）
10.4 使用保存的Keras模式对模型进行复用
10.5 使用TensorFlow 2.0标准化编译对Iris模型进行拟合
10.6 多输入单输出TensorFlow 2.0编译方法（选学）
10.7 多输入多输出TensorFlow 2.0编译方法（选学）
10.8 全连接层详解
10.9 本章小结
第11章 卷积层详解与MNIST实战
11.1 卷积运算基本概念
11.2 TensorFlow 2.0编程实战：MNIST手写体识别
11.3 本章小结
第12章 卷积神经网络公式推导与应用
12.1 反馈神经网络算法
12.2 使用卷积神经网络分辨CIFAR-10数据集
12.3 本章小结
第13章 TensorFlow Datasets和TensorBoard详解
13.1 TensorFlow Datasets简介
13.2 Datasets数据集的基本使用
13.3 Datasets数据集的使用——Fashion-MNIST
13.4 使用Keras对Fashion-MNIST数据集进行处理
13.5 使用TensorBoard可视化训练过程
13.6 本章小结
第14章 从冠军开始：ResNet
14.1 ResNet基础原理与程序设计基础
14.2 ResNet实战CIFAR-100数据集分类
14.3 ResNet的兄弟——ResNeXt
14.4 本章小结
第15章 Attention is all we need
15.1 简单的理解注意力机制
15.2 SENet or CBAM注意力机制的经典模型
15.3 本章小结
第16章 开始找工作吧——深度学习常用面试问题答疑
16.1 深度学习面试常用问题答疑
16.2 卷积神经网络调优面试问答汇总
16.3 NIN模型介绍
16.4 deeper is better——GoogLeNet模型介绍
16.5 本章小结
