深度學習應(yīng)用開發(fā)：TensorFlow實踐

第1章 人工智能概述
1.1 感受人工智能時代的到來
1.1.1 人機博弈
1.1.2 宇宙探索
1.1.3 人機對話
1.1.4 計算機視覺
1.1.5 自然語言處理
1.1.6 智能診斷、推薦系統(tǒng)
1.1.7 智能交通
1.1.8 機器人
1.2 人工智能發(fā)展概述，跌宕起伏的多年
1.2.1 人工智能起源
1.2.2 人工智能與圖靈測試
1.2.3 人工智能發(fā)展史
1.3 機器學習簡介
1.3.1 人工智能與機器學習
1.3 .2 什么是機器學習
1.3.3 機器學習典型求解問題類型
1.4 深度學習簡介
1.4.1 神經(jīng)元
1.4.2 人工神經(jīng)網(wǎng)絡(luò)
1.4.3 深度神經(jīng)網(wǎng)絡(luò)
1.4.4 卷積神經(jīng)網(wǎng)絡(luò)
1.4.5 深度學習的發(fā)展歷程
1.5 深度學習框架簡介
1.5.1 TensorFIow
1.5.2 Keras
1.5.3 PyTorch
1.5.4 PaddIePaddle
練習和思考題
第2章 TensorFIow發(fā)環(huán)境搭建
2.1 Python程序設(shè)計語言
2.2 Anaconda開發(fā)環(huán)境搭建
2.2.1 下載Anaconda
2.2.2 安裝Anaconda
2.2.3 查看Anaconda環(huán)境
2.2.4 Jupyter Notebook
2.3 安裝TensorFIow
2.3.1 新建專用虛擬環(huán)境
2.3.2 使用conda安裝TensorFIow
2.3.3 使用pip安裝TensorFIow
實驗
第3章 TensorFIow開發(fā)基礎(chǔ)
3.1 初識TensorFIow
3.1.1 TensorFIow簡介
3.1.2 TensorFIow編程初體驗
3.1.3 TensorFIow名稱的含義
3.2 張量
3.2.1 張量的概念
3.2.2 張量的屬性
3.3 常量與變量
3.3.1 常量constant
3.3.2 變量Variable
3.4 計算圖
3.4.1 計算圖的結(jié)構(gòu)
3.4 .2 靜態(tài)圖執(zhí)行模式
3.5 在TensorFIow 2中實現(xiàn)靜態(tài)圖執(zhí)行模式開發(fā)
3.6 TensorFIow 1.X靜態(tài)圖執(zhí)行模式編程概要
3.6.1 體驗案例：計算兩數(shù)之和
3.6.2 會話
3.6.3 變量與變量初始化
3.6.4 占位符、數(shù)據(jù)提交和數(shù)據(jù)提取
3.7 TensorBoard可視化初步
3.7.1 TensorBoard簡介
3.7.2 在TensorBoard中查看圖結(jié)構(gòu)
3.7.3 啟動TensorBoard
練習和思考題
實驗
第4章 單變量線性回歸問題：建模與
TensorFIow實戰(zhàn)
4.1 監(jiān)督式機器學習
4.2 單變量線性回歸案例
4.3 監(jiān)督式機器學習中的基本術(shù)語
4.3.1 特征和標簽
……
第5章 波士頓房價預(yù)測：多元線性回歸問題建模與應(yīng)用
第6章 MNIST手寫數(shù)字識別，分類應(yīng)用入門
第7章 MNIST手寫數(shù)字識別進階：多層全連接神經(jīng)網(wǎng)絡(luò)
第8章 泰坦尼克號旅客生存概率預(yù)測：Keras綜合應(yīng)用
第9章 CIFAR-10圖象識別問題：卷積神經(jīng)網(wǎng)絡(luò)與應(yīng)用
第10章 Deep Dream：理解深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及應(yīng)用
第11章 電影評論情感分析：自然語言處理與循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用實踐
第12章 貓狗大戰(zhàn)：遷移學習及應(yīng)用
第13章 Fashion-MNIST圖像生成：生成式對抗網(wǎng)絡(luò)及應(yīng)用
第14章 鳶尾花品種識別：Tensor-Flow.js及應(yīng)用
第15章 花卉識別：TensorFlowLite及應(yīng)用