当前位置：

TensorFlow2.0深度学习从零开始学

作者：王晓华

出版社：清华大学

出版年：2020年5月

ISBN：9787302552734

所属分类：科普读物

书刊介绍

《TensorFlow2.0深度学习从零开始学》内容简介

随着人工智能的发展以及TensorFlow在人工智能方面的火热应用，越来越多的大学逐步开设深度学习和人工智能课程。本书既是一本为读者量身定制的TensorFlow2.0入门教材，也是针对需要学习TensorFlow2.0新内容的读者提供的基础与进阶知识的深入型教材。
本书分为10章，主要内容包括TensorFlow2.0开发环境、TensorFlow2.0新特性、TensorFlow与Keras的使用、TensorFlow2.0语法基础、卷积层详解与MNIST实战、Dataset使用详解、TensorFlow Datasets和TensorBoard详解、ResNet及其实战、注意力机制、卷积神经网络实战。
本书内容详尽、示例丰富，是广大对TensorFlow2.0感兴趣的读者必备的参考书，同时也非常适合大中专院校师生学习阅读，还可作为高等院校计算机及相关专业的教材使用。

作品目录

内容简介
前言
第1章：TensorFlow
2.0的安装
1.1、Python基本安装和用法
1.2、TensorFlow
2.0GPU版本的安装
1.3、Hello
TensorFlow
2.0、1.4、本章小结
第2章：TensorFlow
2.0令人期待的变化
2.1、新的架构、新的运行、新的开始
2.2、配角转成主角：从TensorFlow
Eager
Execution转正谈起
2.3、使用TensorFlow
2.0模式进行线性回归的一个简单例子
2.4、TensorFlow
2.0进阶——AutoGraph和tf.function
2.5、本章小结
第3章：TensorFlow和Keras
3.1、模型！模型！模型！还是模型
3.2、使用Keras
API实现鸢尾花分类的例子（顺序模式）
3.3、多输入单一输出TensorFlow
2.0编译方法（选学）
3.4、多输入多输出TensorFlow
2.0编译方法（选学）
3.5、全连接层详解
3.6、本章小结
第4章：TensorFlow
2.0语法基础
4.1、BP神经网络简介
4.2、BP神经网络的两个基础算法
4.3、反馈神经网络反向传播算法
4.3.5、反馈神经网络原理的Python实现
4.4、本章小结
第5章：卷积层与MNIST实战
5.1、卷积运算
5.2、TensorFlow
2.0编程实战：MNIST手写体识别
5.3、本章小结
第6章：TensorFlow
2.0、Dataset使用详解
6.1、Dataset
API基本结构和内容
6.2、Dataset
API高级用法
6.3、使用TFRecord
API创建和使用数据集
6.4、TFRecord实战：带有处理模型的完整例子
6.5、本章小结
第7章：TensorFlow
Datasets和TensorBoard详解
7.1、TensorFlow
Datasets简介
7.2、Datasets数据集的使用——FashionMNIST
7.3、使用Keras对FashionMNIST数据集进行处理
7.4、使用TensorBoard可视化训练过程
7.5、本章小结
第8章：从冠军开始：ResNet
8.1、ResNet基础原理与程序设计基础
8.2、ResNet实战：CIFAR-100数据集分类
8.3、ResNet的兄弟——ResNeXt
8.4、本章小结
第9章：注意力机制
9.1、何为“注意力”
9.2、注意力机制的两种常见形式
9.3、注意力机制的两种实现形式
9.4、注意力机制的两种经典模型
9.5、本章小结
第10章：卷积神经网络实战：识文断字也可以
10.1、文本数据处理
10.2、针对文本的卷积神经网络模型——字符卷积
10.3、针对文本的卷积神经网络模型——词卷积
10.4、使用卷积对文本分类的补充内容
10.5、本章小结