零起点TensorFlow快速入门PDF电子书下载

第1章 不朽的梵高 1

1.1 星夜传奇 1

1.2 TensorFlow简介 3

案例1-1：星夜传奇实战编程 5

案例1-2：星夜传奇批量编程 11

1.3 十万次迭代 14

1.4 黑箱大法 16

1.5 超级KISS法则与大智若愚 17

第2章 TensorFlow安装 22

2.1 目录结构 22

2.2 化繁为简 23

2.3 CPU版本安装 25

2.4 GPU版本安装 25

案例2-1：GPU开发环境测试 28

第3章 可视化AI图表 33

3.1 TensorBoard可视化工具 33

案例3-1：hello，爱丽丝 34

3.1.1 TensorBoard主界面 36

3.1.2 快速启动脚本 38

3.2 加法器 41

案例3-2：加法器的算法结构图 41

案例3-3：加法器的变化版本 43

案例3-4：乘法器的算法结构图 44

第4章 快速入门 47

4.1 你好，神经网络 47

案例4-1：字符串表达式 47

案例4-2：hello，TensorFlow 48

4.2 图运算与Session 49

案例4-3：缺省图运算 49

案例4-4：可视化Session 52

4.3 常量、变量与占位符 56

案例4-5：常量加法 57

案例4-6：加法与占位符 58

案例4-7：加法与变量 59

4.4 TensorFlow常用数值运算 62

第5章 TensorFlow总览 63

5.1 TensorFlow产业链关系图 65

5.2 TensorFlow模块列表 66

5.2.1 源码目录结构 66

案例5-1：内置模块列表 68

5.2.2 模块结构图 70

5.2.3 API抽象接口示意图 71

5.2.4 神经网络三大模块 71

5.3 数据类型 72

5.4 TensorFlow常用术语 73

5.5 TensorFlow简化接口 77

第6章 基础知识 79

6.1 数据流图 79

6.2 设备切换Device 81

6.3 三大数据类型 82

案例6-1：变量操作 86

6.4 Feed数据提交 89

案例6-2：Feed提交数据 90

案例6-3：批量Feed提交数据 92

案例6-4：批量Feed提交多维数据 92

6.5 Fetch获取数据 93

案例6-5：Fetch获取数据 93

案例6-6：Fetch获取多维数组 95

案例6-7：会话Session 97

6.6 批尺寸Batch Size 99

第7章 孤独的神经元 101

7.1 神经元模型 101

案例7-1：单细胞算法 102

7.2 可视化分析 107

案例7-2：单细胞算法优化版 108

第8章 归来吧，数据 112

8.1 分类——机器学习的核心 112

8.2 万物皆回归 112

案例8-1：传统机器学习 114

案例8-2：TensorFlow线性回归模型 117

8.3 模型管理 124

案例8-3：TensorFlow模型保存 125

案例8-4：TensorFlow模型读取 126

第9章 Pkmital入门案例套餐（上） 128

9.1 Halcon简介 128

9.2 帕拉格·库马尔案例合集简介 129

9.3 Pkmital案例集合详解 131

9.4 TensorFlow基础 132

案例9-1：TensorFlow基础权重设置和图形计算 132

案例9-2：图像的卷积计算 140

9.5 回归算法 145

案例9-3：线性回归 145

案例9-4：线性回归修正版 150

9.6 多项式回归 151

案例9-5：多项式回归 151

案例9-6：多项式回归修正版 153

9.7 逻辑回归模型 154

案例9-7：逻辑回归模型 154

9.8 CNN卷积神经网络算法 159

案例9-8：CNN卷积神经网络 159

第10章 Pkmital入门案例套餐（下） 165

10.1 自编码算法 165

案例10-1：自编码算法 165

10.2 dAE降噪自编码算法 170

案例10-2：dAE降噪自编码算法 170

10.3 CAE卷积编码算法 177

案例10-3：CAE卷积编码算法 177

10.4 DRN深度残差网络 183

案例10-4：DRN深度残差网络 183

10.5 VAE变分自编码算法 189

案例10-5：VAE变分自编码算法 189

10.6 TDV联合矩阵模型 199

第11章 TensorFlow内置案例分析 201

11.1 预备知识 202

11.2 Mnist手写数字识别 211

案例11-1：Mnist初级案例 211

案例11-2：Mnist专业版本 215

11.3 FFNNs前馈神经网络模型 224

案例11-3：FFNNs前馈神经网络模型 224

第12章 TensorLayer案例分析 234

12.1 手写识别算法 234

案例12-1：Mnist手写识别 234

12.2 Mnist神经网络模型合集 242

案例12-2：Dropout网络模型 243

案例12-3：DropConnect网络模型 253

案例12-4：dAE降噪自编码算法1 257

案例12-5：dAE降噪自编码算法2 260

案例12-6：CNN卷积神经网络算法 263

第13章 TFLearn案例分析 267

13.1 生存游戏 268

13.1.1 泰坦尼克数据集 268

13.1.2 Kaggle机器学习公开赛 269

案例13-1：泰坦尼克号生存与死亡 270

13.2 线性回归 274

案例13-2：线性回归模型 275

13.3 模型管理 278

案例13-3：保存读取模型数据 278

13.4 超智能体 283

案例13-4：超智能体：NOT取反运算 284

案例13-5：超智能体：OR或运算 286

案例13-6：超智能体：AND（与）运算 288

案例13-7：超智能体：XOR（异或）运算 289

13.5 CNN卷积神经网络算法 292

案例13-8：CNN卷积神经网络算法 292

第14章 Keras案例分析 297

14.1 Keras模型 298

14.2 Keras使用流程 299

14.3 Keras常用模块 300

14.4 Keras模型可视化 301

案例14-1：MLP多层神经网络 303

案例14-2：CNN卷积神经网络 309

案例14-3：IRNN修正循环神经网络 316

案例14-4：HRNN分层循环神经网络 322

第15章 TensorFlow常用运行模式 327

15.1 深度学习三大要素 327

15.2 神经网络基本结构 328

15.3 基本神经元层 329

15.4 神经网络通用流程 335

15.5 Loss损失函数 338

15.6 TensorFlow常用优化算法 340