- TensorFlow2深度学习实战详解
- - 作者：编者:艾力亚尔·艾则孜|责编:卜一凡
  - 出版社：人民邮电
  - ISBN：9787115694348
  - 出版日期：2026/06/01
  - 页数：234
- 售价：35.92

内容大纲
本书首先讲解深度学习和TensorFlow2的基础知识，然后通过图像处理和自然语言处理两方面的实例，帮助读者进一步掌握深度学习的应用，最后通过讲解生成对抗网络和强化学习知识，带领读者精通深度学习。
本书适合想要学习和了解人工智能、深度学习技术的程序员阅读，也可作为各类院校计算机相关专业师生的学习用书和培训学校的教材。
作者介绍
目录
第1章环境配置
  1.1 云Notebook环境简介
  1.2 本地Notebook环境准备
    1.2.1 搭建Python环境
    1.2.2 创建虚拟环境
    1.2.3 安装JupyterLab
  1.3 安装TensorFlow
  1.4 本书的代码规范
  本章小结
第2章常见工具介绍
  2.1 NumPy
    2.1.1 创建数组
    2.1.2 数组索引
    2.1.3 数组切片
    2.1.4 数学计算
    2.1.5 神经网络的数据表示
  2.2 Pandas
    2.2.1 读取数据
    2.2.2 探索数据
    2.2.3 过滤数据
    2.2.4 应用方法
    2.2.5 重构数据
    2.2.6 保存数据
  2.3 Matplotlib
    2.3.1 简单的图形
    2.3.2 子图
    2.3.3 直方图
    2.3.4 标题、标签和图例
    2.3.5 三维图形
    2.3.6 结合Pandas使用
  本章小结
第3章从零开始搭建神经网络
  3.1 构建神经元
  3.2 搭建神经网络
  3.3 前向传播例子
  3.4 训练神经网络
    3.4.1 损失
    3.4.2 损失计算实例
  3.5 优化神经网络
  3.6 随机梯度下降
  3.7 完整的代码实现
  本章小结
第4章深度学习基础
  4.1 基础概念
    4.1.1 神经元
    4.1.2 神经网络
    4.1.3 损失函数
    4.1.4 神经网络训练
    4.1.5 深度学习的主要术语
    4.1.6 深度学习的4个分支

  4.2 评估深度学习模型
    4.2.1 简单的留出验证
    4.2.2 K折交叉验证
    4.2.3 随机重复K折交叉验证
    4.2.4 模型评估的注意事项
  4.3 过拟合和欠拟合
    4.3.1 减小神经网络模型的大小
    4.3.2 添加权重正则化
    4.3.3 添加Dropout正则化
  本章小结
第5章泰坦尼克号幸存者预测
  5.1 处理数据集
  5.2 定义模型
  5.3 编译模型
  5.4 训练模型
  5.5 评估模型
  5.6 预测
  5.7 代码汇总
  本章小结
第6章 TensorFlow 2介绍
  6.1 TensorFlow 2基础知识和学习路线图
    6.1.1 基础知识
    6.1.2 学习路线图
  6.2 模型的保存和恢复
    6.2.1 全模型保存
    6.2.2 保存为SavedModel格式
    6.2.3 仅保存模型结构
    6.2.4 仅保存模型权重
  6.3 模型增量更新
  6.4 训练回调
    6.4.1 模型检查点和提前终止
    6.4.2 动态调整学习率
    6.4.3 自定义回调函数
  6.5 TensorBoard可视化
  本章小结
第7章图像识别入门
  7.1 Fashion-MNIST数据集
    7.1.1 数据集简介
    7.1.2 数据集预处理
  7.2 全连接神经网络
    7.2.1 构建模型
    7.2.2 编译模型
    7.2.3 训练模型
    7.2.4 评估模型
    7.2.5 预测
    7.2.6 代码小结
  7.3 卷积神经网络
    7.3.1 卷积神经网络的原理
    7.3.2 卷积层和池化层
    7.3.3 实现卷积神经网络

  本章小结
第8章图像识别进阶
  8.1 数据集处理
    8.1.1 准备数据集
    8.1.2 数据集预处理
    8.1.3 简单的卷积神经网络
    8.1.4 数据增强
  8.2 迁移学习
    8.2.1 VGG16预训练模型
    8.2.2 特征提取
    8.2.3 微调模型
    8.2.4 保存模型
  8.3 TensorFlow Hub
  本章小结
第9章图像风格迁移
  9.1 神经风格迁移的原理
    9.1.1 内容损失
    9.1.2 风格损失
  9.2 实现神经风格迁移算法
  本章小结
第10章自然语言处理入门
  10.1 分词
    10.1.1 英文分词
    10.1.2 中文分词
  10.2 语言模型
    10.2.1 独热编码
    10.2.2 词嵌入
    10.2.3 从文本到词嵌入
    10.2.4 自然语言处理领域的迁移学习
  10.3 循环神经网络
    10.3.1 循环神经网络的原理
    10.3.2 使用NumPy实现RNN层前向传播
    10.3.3 循环神经网络存在的问题
    10.3.4 长短期记忆网络
  本章小结
第11章语音助手意图分类
  11.1 数据集
    11.1.1 加载数据集
    11.1.2 数据预处理
  11.2 双向长短期记忆网络
  11.3 预训练词嵌入网络
  11.4 保存和加载模型
  本章小结
第12章自然语言生成实战
  12.1 利用语言模型写诗
    12.1.1 语言模型的应用
    12.1.2 采样策略
    12.1.3 利用LSTM语言模型写诗
  12.2 Seq2Seq语言模型
    12.2.1 编码器

    12.2.2 解码器
  12.3 利用Seq2Seq语言模型实现中英文翻译
    12.3.1 tf.keras中的函数式模型
    12.3.2 数据预处理
    12.3.3 Seq2Seq翻译模型的训练
    12.3.4 Seq2Seq翻译模型的预测
  本章小结
第13章中文实体识别实战
  13.1 报纸实体识别
    13.1.1 数据集
    13.1.2 训练模型
    13.1.3 评估序列标注
  13.2 使用BERT进行迁移学习实体识别
    13.2.1 在tf.keras中加载BERT模型
    13.2.2 构建迁移模型
  本章小结
第14章生成对抗网络
  14.1 生成对抗网络的原理
  14.2 搭建生成对抗网络
    14.2.1 生成器
    14.2.2 判别器
    14.2.3 完成生成对抗网络的搭建
  14.3 训练生成对抗网络
  14.4 辅助类别生成对抗网络
  14.5 GAN的评估
    14.5.1 Inception Score
    14.5.2 Frechet Inception距离
  本章小结
第15章强化学习
  15.1 强化学习概述
    15.1.1 基础内容
    15.1.2 Gym框架简介
    15.1.3 生成动作策略
  15.2 Q-Learning
    15.2.1 Q-Learning简介
    15.2.2 Q-Learning的实现
  15.3 Deep Q-Learning
    15.3.1 Lunar Lander v2
    15.3.2 随机动作Agent
    15.3.3 DQN的训练
  本章小结
第16章部署模型
  16.1 使用Flask部署
    16.1.1 Flask入门
    16.1.2 利用Flask部署图像分类模型
  16.2 TensorFlow Serving
    16.2.1 使用命令行工具部署
    16.2.2 使用Docker部署
    16.2.3 调用REST接口
    16.2.4 版本控制

  本章小结

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目