TensorFlow深度学习实战PDF电子书下载

第1章 TensorFlow简介 1

1.1引言 1

1.2 TensorFlow安装 2

1.3 Hello world 6

1.4理解TensorFlow程序结构 8

1.5常量、变量和占位符 10

1.6使用TensorFlow执行矩阵操作 15

1.7使用数据流图 17

1.8从0.x迁移到1.x 18

1.9使用XLA提升运算性能 19

1.10调用CPU/GPU设备 21

1.11 TensorFlow与深度学习 24

1.12 DNN问题需要的Python包 28

第2章 回归 30

2.1引言 30

2.2选择损失函数 31

2.3 TensorFlow中的优化器 33

2.4读取CSV文件和数据预处理 36

2.5房价估计——简单线性回归 39

2.6房价估计——多元线性回归 42

2.7 MNIST数据集的逻辑回归 45

第3章 神经网络——感知机 50

3.1引言 50

3.2激活函数 52

3.3单层感知机 58

3.4计算反向传播算法的梯度 60

3.5使用MLP实现MNIST分类器 63

3.6使用MLP逼近函数来预测波士顿房价 66

3.7调整超参数 71

3.8高级API—— Keras 72

第4章 卷积神经网络 75

4.1引言 75

4.2创建一个ConvNet来分类手写MNIST数字 79

4.3创建一个ConvNet来分类CIFAR-10数据集 84

4.4用VGG 19做风格迁移的图像重绘 87

4.5使用预训练的VGG16网络进行迁移学习 96

4.6创建DeepDream网络 100

第5章 高级卷积神经网络 105

5.1引言 105

5.2为情感分析创建一个ConvNet 106

5.3检验VGG预建网络学到的滤波器 109

5.4使用VGGNet、 ResNet、 Inception和Xception分类图像 113

5.5重新利用预建深度学习模型进行特征提取 125

5.6用于迁移学习的深层InceptionV3网络 126

5.7使用扩张ConvNet、 WaveNet和NSynth生成音乐 129

5.8关于图像的问答 134

5.9利用预训练网络进行视频分类的6种方法 140

第6章 循环神经网络 144

6.1引言 144

6.2神经机器翻译——seq2seq RNN训练 150

6.3神经机器翻译——seq2seq RNN推理 156

6.4你所需要的是注意力一另一个seq2seq RNN例子 157

6.5使用RNN像莎士比亚一样写作 161

6.6基于RNN学习预测比特币价格 165

6.7多对一和多对多的RNN例子 174

第7章 无监督学习 176

7.1引言 176

7.2主成分分析 176

7.3 k均值聚类 181

7.4自组织映射 186

7.5受限玻尔兹曼机 191

7.6基于RBM的推荐系统 196

7.7用DBN进行情绪检测 198

第8章 自动编码机 205

8.1引言 205

8.2标准自动编码机 207

8.3稀疏自动编码机 212

8.4去噪自动编码机 217

8.5卷积自动编码机 221

8.6堆叠自动编码机 225

第9章 强化学习 231

9.1引言 231

9.2学习OpenAI Gym 232

9.3用神经网络智能体玩Pac-Man游戏 235

9.4用Q learning玩Cart-Pole平衡游戏 238

9.5用DQN玩Atari游戏 244

9.6用策略梯度网络玩Pong游戏 252

第10章 移动端计算 259

10.1引言 259

10.2安装适用于macOS和Android的TensorFlow mobile 260

10.3玩转TensorFlow和Android的示例 265

10.4安装适用于macOS和iPhone的TensorFlow mobile 268

10.5为移动设备优化TensorFlow计算图 271

10.6为移动设备分析TensorFlow计算图 273

10.7为移动设备转换TensorFlow计算图 275

第11章 生成式模型和CapsNet 278

11.1引言 278

11.2学习使用简单GAN虚构MNIST图像 284

11.3学习使用DCGAN虚构MNIST图像 289

11.4学习使用DCGAN虚构名人面孔和其他数据集 294

11.5实现变分自动编码机 297

11.6学习使用胶囊网络击败MNIST前期的最新成果 305

第12章 分布式TensorFlow和云深度学习 319

12.1引言 319

12.2在GPU上使用TensorFlow 322

12.3玩转分布式TensorFlow：多个GPU和一个CPU 323

12.4玩转分布式TensorFlow：多服务器 324

12.5训练分布式TensorFlow MNIST分类器 326

12.6基于Docker使用TensorFlowServing 328

12.7使用计算引擎在谷歌云平台上运行分布式TensorFlow 330

12.8在谷歌CloudML上运行分布式TensorFlow 333

12.9在Microsoft Azure上运行分布式TensorFlow 334

12.10在Amazon AWS上运行分布式TensorFlow 337

附录A 利用AutoML学会学习（元学习） 342

附录B TensorFlow处理器 350