《TensorFlow深度学习应用实践》内容简介

本书总的指导思想是在掌握深度学习的基本知识和特性的基础上，培养使用TensorFlow进行实际编程以解决图像处理相关问题的能力。全书力求深入浅出，通过通俗易懂的语言和详细的程序分析，介绍TensorFlow的基本用法、高级模型设计和对应的程序编写。
本书共22章，内容包括Python类库的安装和使用、TensorFlow基本数据结构和使用、TensorFlow数据集的创建与读取、人工神经网络、反馈神经网络、全卷积神经网络的理论基础、深度学习模型的创建、模型的特性、算法、ResNet、Slim、GAN等。本书强调理论联系实际，重点介绍TensorFlow编程解决图像识别的应用，提供了大量数据集，并以代码的形式实现了深度学习模型，以供读者参考。
本书既可作为学习人工神经网络、深度学习、TensorFlow程序设计以及图像处理等相关内容的程序设计人员培训和自学用书，也可作为高等院校和培训机构相关专业的教材。
王哓华，高校资深计算机专业讲师，给硏究生和本科生讲授面向对象程序设计、数据结构、Hadoop程序设计等相关课程。主要硏究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科硏课题，独立完成一项科硏成果获省级成果认定，发表过多篇论文，申请有一项专利。著有《Spark MUib机器学习实践》等图书。

作品目录

内容简介
作者简介
推荐序
前言
写作本书的原因
本书的优势
本书的内容
本书的特点
本书适合人群
本书适合人群
本书作者
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常用类库中的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、机器学习的其他算法——决策树
3.6、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——某地降水的关系处理
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、初识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神经网络中的两个基础算法
9.3、TensorFlow实战——房屋价格的计算
9.4、反馈神经网络反向传播算法
9.5、本章小结
第10章：TensorFlow数据的生成与读取详解
10.1、TensorFlow的队列
10.2、CSV文件的创建与读取
10.3、TensorFlow文件的创建与读取
10.4、本章小结
第11章：回归分析——从TensorFlow陷阱与细节开始
11.1、TensorFlow线性回归
11.2、多元线性回归实战编程
11.3、逻辑回归详解
11.4、本章小结
第12章：TensorFlow编程实战——MNIST手写体识别
12.1、MNIST数据集
12.2、MNIST数据集实战编程
12.3、初识卷积神经网络
12.4、本章小结
第13章：◄卷积神经网络原理►
13.1、卷积运算基本概念
13.2、卷积神经网络的结构详解
13.3、TensorFlow实现LeNet实例
13.4、本章小结
第14章：◄卷积神经网络公式推导与应用►
14.1、反馈神经网络算法
14.2、使用卷积神经网络分辨CIFAR-10数据集
14.3、本章小结
第15章：◄猫狗大战——实战AlexNet►
15.1、AlexNet简介
15.2、实战猫狗大战——AlexNet模型
15.3、本章小结
第16章：我们都爱Finetuning——复用VGG16进行猫狗大战
16.1、TensorFlow模型保存与恢复详解
16.2、更为细化的保存和恢复方法
16.3、VGGNet实现
16.4、使用已训练好的模型和权重复现VGGNet
16.5、猫狗大战V2——Finetuning使用VGGNet进行图像判断
16.6、本章小结
第17章：开始找工作吧——深度学习常用面试问题答疑
17.1、深度学习面试常用问题答疑
17.2、卷积神经网络调优面试问答汇总
17.3、NIN模型介绍
17.4、“deeper
is
better”——GoogLeNet模型介绍
17.5、本章小结
第18章：暂时的冠军——ResNet简介及TensorFlow实现
18.1、ResNet模型简介
18.2、新兴的卷积神经模型简介
18.3、本章小结
第19章：TensorFlow高级API——Slim使用入门
19.1、Slim详解
19.2、Slim使用方法介绍
19.3、实战——使用Slim定义VGG16、19.4、实战—使用Slim设计多层感知器（MLP）
19.5、Slim数据读取方式
19.6、本章小结
第20章：Slim使用进阶
20.1、使用Slim创建卷积神经网络（CNN）
20.2、使用Slim预训练模型进行Finetuning
20.3、本章小结
第21章：全卷积神经网络图像分割入门
21.1、全卷积神经网络进行图像分割的理论基础
21.2、全卷积神经网络进行图像分割的分步流程与编程基础
21.3、本章小结
第22章：不服就是GAN——对抗生成网络
22.1、对抗生成网络详解
22.2、从0到1—实战：使用GAN生成手写体数字
22.3、本章小结