《从0到1TensorFlow编程手记》内容简介

大部分TensorFlow教材应用案例少，理论讲解比较概括，学生数学基础薄弱，对人工神经网络较难入门。本教材介绍TensorFlow的发展和特点后，通过案例详细介绍TensorFlow的使用，着重细致地讲解学生学习中遇到的难点，比如张量的形状、卷积、池化、交叉熵等。通过案例让学生逐层递进地掌握TensorFlow，最后将模型移植到安卓移动终端，随时随地感受人工智能的魅力。
本书作者周倩，冯高峰，贾连芹。

作品目录

内容简介
前言
第1章：初识TensorFlow
1.1、场景导入
1.2、人工智能的发展历程
1.2.1、早期人工智能阶段
1.2.2、机器学习阶段
1.2.3、深度学习阶段
1.3、TensorFlow
简介
1.4、Anaconda
的安装和使用
1.4.1、安装Anaconda
1.4.2、使用Anaconda
1.5、在Windows
10、系统中安装PyCharm
1.6、在Windows
系统中安装TensorFlow
CPU
版
1.6.1、创建和激活环境
1.6.2、解决错误
1.7、在PyCharm
中使用Anaconda
的环境
1.7.1、新建和配置项目
1.7.2、再次查看项目配置
1.7.3、运行案例代码
1.8、在Windows
系统中安装Python
版OpenCV
1.8.1、激活环境并安装OpenCV
1.8.2、PyCharm
配置
1.8.3、OpenCV
代码测试
第2章：深入了解TensorFlow
2.1、认识TensorFlow
数据流图
2.1.1、数据流图简介
2.1.2、实现数据流图
2.1.3、数据流图代码解析
2.2、TensorBoard
的使用
2.2.1、TensorBoard
的启动
2.2.2、TensorBoard
界面介绍
2.3、TensorFlow
张量思维
2.3.1、什么是张量
2.3.2、用Numpy
定义张量
2.3.3、张量的形状
2.4、TensorFlow
中张量的几种形式
2.4.1、常量
2.4.2、变量
2.4.3、占位符
第3章：机器学习入门
3.1、机器学习的基本步骤
3.2、泰坦尼克号案例
3.2.1、泰坦尼克号事件
3.2.2、泰坦尼克号案例数据集
3.2.3、训练数据集预处理
3.2.4、测试数据集预处理
3.2.5、搭建神经网络
3.2.6、进行训练
3.2.7、进行预测并可视化
3.3、MNIST
手写数字识别案例
3.3.1、数据集简介
3.3.2、加载MNIST
数据集
3.3.3、构建网络模型
3.3.4、训练模型
3.3.5、测试模型
3.3.6、矩阵乘法和加法规则
3.4、机器学习相关概念详解
3.4.1、线性回归模型
3.4.2、激活函数
3.4.3、交叉熵
3.4.4、梯度下降法
第4章：深度学习之图像分类
4.1、卷积神经网络
4.1.1、卷积神经网络简介
4.1.2、卷积
4.2、卷积神经网络的基本结构
4.2.1、卷积层
4.2.2、池化层
4.3、树叶识别案例
4.3.1、样本集简介
4.3.2、卷积层
4.3.3、池化层
4.3.4、全连接层
4.3.5、正则化
4.3.6、其他部分的代码
第5章：TensorFlow
Lite
5.1、概述
5.2、如何使用TensorFlow
Lite
5.2.1、使用步骤
5.2.2、模型格式
5.2.3、模型格式转换
5.2.4、模型格式转换完整代码
5.3、树叶识别案例
5.3.1、功能和界面设计
5.3.2、Android
Studio
配置
5.3.3、调用模型
5.3.4、使用模型
5.3.5、添加交互功能
5.4、“你画我猜”
案例
5.4.1、功能和界面设计
5.4.2、添加模型并配置项目
5.4.3、调用模型
5.4.4、使用模型
5.4.5、其他部分的代码
第6章：TensorFlow
的树莓派应用
6.1、嵌入式人工智能
6.1.1、概述
6.1.2、树莓派简介
6.2、树莓派准备工作
6.2.1、安装操作系统
6.2.2、配置网络
6.2.3、安装VNC
Viewer
6.2.4、安装TensorFlow
6.2.5、安装OpenCV
6.2.6、连接摄像头
6.2.7、安装tqdm
库
6.3、基于树莓派的人脸识别案例
6.3.1、MTCNN
人脸识别模型
6.3.2、下载并运行人脸识别程序
第7章：Keras
案例
7.1、Keras
简介
7.2、基于Keras
的Fashion-MNIST
案例
7.2.1、Fashion-MNIST
数据集简介
7.2.2、下载和加载Fashion-MNIST
数据集
7.2.3、搭建网络
7.2.4、编译、训练和评估模型
第8章：TensorFlow.js
8.1、初识TensorFlow.js
8.1.1、TensorFlow.js
的应用方式
8.1.2、TensorFlow.js
的安装方式
8.2、微信小程序
8.2.1、微信小程序简介
8.2.2、注册
8.2.3、下载并安装微信开发者工具
8.2.4、新建微信小程序
8.2.5、修改小程序配置
8.3、在微信小程序中使用TensorFlowJS
8.3.1、添加插件
8.3.2、声明插件
8.3.3、安装Node.js
8.3.4、安装依赖包
8.3.5、测试TensorFlowJS
8.4、使用PoseNet
模型
8.4.1、安装PoseNet
模型
8.4.2、编写程序
反侵权盗版声明