深度学习全书：公式+推导+代码+TensorFlow全程案例

封面

版权信息

内容简介

作者简介

彩插

前言

第一篇　深度学习导论

第1章　深度学习导论

1-1　人工智能的三波浪潮

1-2　AI的学习地图

1-3　机器学习应用领域

1-4　机器学习开发流程

1-5　开发环境安装

第2章　神经网络原理

2-1　必备的数学与统计知识

2-2　线性代数

2-2-1　向量

2-2-2　矩阵

2-2-3　联立方程式求解

2-3　微积分

2-3-1　微分

2-3-2　微分定理

2-3-3　偏微分

2-3-4　简单线性回归求解

2-3-5　积分

2-4　概率与统计

2-4-1　数据类型

2-4-2　抽样

2-4-3　基础统计

2-4-4　概率

2-4-5　概率分布

2-4-6　假设检定

2-5　线性规划

2-6　普通最小二乘法与最大似然估计法

2-6-1　普通最小二乘法

2-6-2　最大似然估计法

2-7　神经网络求解

2-7-1　神经网络

2-7-2　梯度下降法

2-7-3　神经网络求解

第二篇　TensorFlow基础篇

第3章　TensorFlow架构与主要功能

3-1　常用的深度学习框架

3-2 　TensorFlow架构

3-3　张量运算

3-4　自动微分

3-5　神经网络层

第4章　神经网络实践

4-1　撰写第一个神经网络程序

4-1-1　最简短的程序

4-1-2　程序强化

4-1-3　实验

4-2　Keras模型种类

4-2-1　Sequential model

4-2-2　Functional API

4-3　神经层

4-3-1　完全连接神经层

4-3-2　Dropout Layer

4-4　激活函数

4-5　损失函数

4-6　优化器

4-7　效果衡量指标

4-8　超参数调校

第5章　TensorFlow其他常用指令

5-1　特征转换

5-2　模型存盘与加载

5-3　模型汇总与结构图

5-4　回调函数

5-4-1　EarlyStopping Callbacks

5-4-2　ModelCheckpoint Callbacks

5-4-3　TensorBoard Callbacks

5-4-4　自定义Callback

5-4-5　自定义Callback应用

5-4-6　总结

5-5　TensorBoard

5-5-1　TensorBoard功能

5-5-2　测试

5-5-3　写入图片

5-5-4　直方图

5-5-5　效果调校

5-5-6　敏感度分析

5-5-7　总结

5-6 　模型部署与TensorFlow Serving

5-6-1 　自行开发网页程序

5-6-2　TensorFlow Serving

5-7　TensorFlow Dataset

5-7-1　产生Dataset

5-7-2　图像Dataset

5-7-3　TFRecord与Dataset

5-7-4　TextLineDataset

5-7-5　Dataset效果提升

第6章　卷积神经网络

6-1　卷积神经网络简介

6-2　卷积

6-3　各式卷积

6-4　池化层

6-5　CNN模型实践

6-6　影像数据增补

6-7　可解释的AI

第7章　预先训练的模型