深度学习实战:基于TensorFlow 2和Keras(原书第2版)

前言

作者简介

审校者简介

第1章　基于TensorFlow 20的神经网络基础1

11　TensorFlow是什么1

12　Keras是什么3

13　TensorFlow 20有哪些重要的改动3

14　神经网络概述4

15　感知器5

16　多层感知器—**个神经网络示例6

161　感知器训练的问题及对策6

162　激活函数—sigmoid函数7

163　激活函数—tanh函数7

164　激活函数—ReLU函数8

165　两个拓展激活函数—ELU函数和LeakyReLU函数8

166　激活函数总结9

167　神经网络到底是什么9

17　示例—识别手写数字10

171　独热编码10

172　在TensorFlow 20中定义一个简单的神经网络10

173　运行一个简单的TensorFlow 20神经网络并建立测试基线14

174　使用隐藏层改进TensorFlow 20的简单神经网络15

175　利用随机失活进一步改进Ten-sor Flow 20的简单神经网络18

176　测试TensorFlow 20的不同优化器19

177　增加epoch数24

178　控制优化器学习率25

179　增加内部隐藏神经元的数量25

1710　增加批量计算的大小26

1711　手写图识别实验总结26

18　正则化27

181　采用正则化以避免过拟合27

182　理解批量归一化28

19　Google Colab—CPU、GPU和TPU29

110　情感分析31

111　超参数调谐和AutoML33

112　预测输出34

113　反向传播的实用概述34

114　我们学到了什么35

115　迈向深度学习方式35

116　参考文献36

第2章　TensorFlow 1x与2x37

21　理解TensorFlow 1x37

211　TensorFlow 1x计算图程序结构37

212　常量、变量和占位符的使用39

213　操作对象示例40

214　TensorFlow 2x中的TensorFlow 1x示例43

22　理解TensorFlow 2x44

221　即刻执行44

222　AutoGraph45

223　Keras API的三种编程模型47

224　回调49

225　保存模型和权重50

226　使用tfdatadatasets训练50

227　tfkeras还是估算器53

228　不规则张量55

229　自定义训练55

2210　TensorFlow 2x中的分布式训练56

2211　命名空间的改动59

2212　1x至2x的转换59

2213　高效使用TensorFlow 2x59

23　TensorFlow 2x生态系统60

24　Keras还是tfkeras61

25　小结62

第3章　回归64

31　什么是回归64

32　使用线性回归进行预测65

321　简单线性回归65

322　多线性回归68

323　多元线性回归68

33　TensorFlow Estimator69

331　特征列69

332　输入函数70

333　使用TensorFlow EstimatorAPI的MNIST70

34　使用线性回归预测房价71

35　分类任务和决策边界75

351　logistic回归75

352　MNIST数据集上的logistic回归76

36　小结80

37　参考文献80

第4章　卷积神经网络81

41　深度卷积神经网络81

411　局部感受野82

412　共享权重和偏差82

413　数学示例83

414　TensorFlow 2x中的ConvNets83

415　池化层84

42　DCNN的示例—LeNet85

421　TensorFlow 20中的LeNet代码85

422　理解深度学习的力量90

43　通过深度学习识别CIFAR-10图像91

431　用更深的网络提高CIFAR-10的性能93

432　用数据增强提高CIFAR-10的性能95

433　基于CIFAR-10预测97

44　用于大规模图像识别的超深度卷积网络98

441　基于VGG16神经网络识别猫100

442　使用tfkeras内置的VGG16 Net模块101

443　复用预建深度学习模型以提取特征102

45　小结103

46　参考文献103

第5章　高级卷积神经网络104

51　计算机视觉104

511　复杂任务的CNN组合104

512　用tfkeras-estimator模型对Fashion-MNIST分类111

513　在GPU上运行Fashion-MNISTtfkeras-estimator模型113

514　用于迁移学习的Deep Inception-v3 Net114

515　迁移学习：分类人和马117

516　基于tfkeras和TensorFlow Hub的Application Zoo120

517　其他CNN架构121

518　回答有关图像的问题124

519　风格迁移127

5110　创建DeepDream网络129

5111　查看深度网络学到的内容132

52　视频133

53　文本文件134

54　音频和音乐137

55　卷积运算小结141

551　基本卷积神经网络141

552　空洞卷积141

553　可分离卷积141

554　深度卷积142

555　深度可分离卷积142

56　胶囊网络142

561　CNN有什么问题142

562　Capsule网络有什么新功能143

57　小结144

58　参考文献144

第6章　生成对抗网络146

61　什么是GAN146

62　深度卷积GAN152

63　一些有趣的GAN架构161

631　SRGAN161

632　CycleGAN162

633　I