深度学习之TensorFlow：入门、原理与进阶实战

深度学习之TensorFlow：入门、原理与进阶 实战 李金洪 编著 ISBN：978-7-111-59005-7 本书纸版由机械工业出版社于2018年出版，电子版 由华章分社（北京华章图文信息有限公司，北京奥 维博世图书发行有限公司）全球范围内制作与发 行。 版权所有，侵权必究 客服热线：+ 86-10-68995265 客服信箱：service@bbbvip.com 官方网址：www.hzmedia.com.cn 新浪微博 @华章数媒 微信公众号 华章电子书（微信号：hzebook） 目录 配套学习资源 前言 第1篇 深度学习与TensorFlow基础 第1章 快速了解人工智能与TensorFlow 1.1 什么是深度学习 1.2 TensorFlow是做什么的 1.3 TensorFlow的特点 1.4 其他深度学习框架特点及介绍 1.5 如何通过本书学好深度学习 第2章 搭建开发环境 2.1 下载及安装Anaconda开发工具 2.2 在Windows平台下载及安装TensorFlow 2.3 GPU版本的安装方法 2.4 熟悉Anaconda 3开发工具 第3章 TensorFlow基本开发步骤——以逻辑回 归拟合二维数据为例 3.1 实例1：从一组看似混乱的数据中找出 y≈2x的规律 3.2 模型是如何训练出来的 3.3 了解TensorFlow开发的基本步骤 第4章 TensorFlow编程基础 4.1 编程模型 4.2 TensorFlow基础类型定义及操作函数介绍 4.3 共享变量 4.4 实例19：图的基本操作 4.5 配置分布式TensorFlow 4.6 动态图（Eager） 4.7 数据集（tf.data） 第5章 识别图中模糊的手写数字（实例21） 5.1 导入图片数据集 5.2 分析图片的特点，定义变量 5.3 构建模型 5.4 训练模型并输出中间状态参数 5.5 测试模型 5.6 保存模型 5.7 读取模型 第2篇 深度学习基础——神经网络 第6章 单个神经元 6.1 神经元的拟合原理 6.2 激活函数——加入非线性因素，解决线性 模型缺陷 6.3 softmax算法——处理分类问题 6.4 损失函数——用真实值与预测值的距离来 指导模型的收敛方向 6.5 softmax算法与损失函数的综合应用 6.6 梯度下降——让模型逼近最小偏差 6.7 初始化学习参数 6.8 单个神经元的扩展——Maxout网络 6.9 练习题 第7章 多层神经网络——解决非线性问题 7.1 线性问题与非线性问题 7.2 使用隐藏层解决非线性问题 7.3 实例31：利用全连接网络将图片进行分类 7.4 全连接网络训练中的......