深度学习应用开发

目录 前言 单元1认识深度学习 11人工智能、机器学习与深度学习 12深度学习的应用 13主流的深度学习框架 14开发环境的安装 单元小结 课后习题 单元2深度学习框架TensorFlow 21TensorFlow介绍 22TensorFlow数学基础 23TensorFlow基本数据类型 24张量的物理意义及应用 25实战案例——TensorFlow优化程序 26实战案例——基于TensorFlow框架的线性回归实现 单元小结 课后习题 单元3高级神经网络API 31Keras基础 32Keras体系结构 33Keras框架模型构建流程 34实战案例——基于多层感知器的MNIST手写数字识别 35实战案例——用Keras实现花朵图像分类 单元小结 课后习题 单元4神经网络 41人工神经网络 42感知器 43全连接神经网络 44激活函数 45实战案例——基于全连接神经网络的MNIST手写数字识别 46卷积和卷积神经网络 47卷积层的变体 48经典的卷积神经网络 49实战案例——基于LeNet5的Fashion_MNIST图像分类 单元小结 课后习题 单元5回归问题 51回归的概念和基本原理 52回归问题的损失函数 53实战案例——汽车燃油效率预测 54过拟合与欠拟合 55过拟合的解决办法 56实战案例——房价预测模型搭建 单元小结 课后习题 单元6分类问题 61图像分类的应用 62图像分类面临的挑战 63图像分类的方法 64图像二分类 65实战案例——基于卷积神经网络的猫狗图像分类 66图像多分类 67实战案例——基于卷积神经网络的CIFAR10图像分类 单元小结 课后习题 单元7迁移学习 71迁移学习的基本问题 72迁移学习的应用领域 73迁移学习的训练方法与技巧 74实战案例——基于迁移学习的猫狗图像分类 单元小结 课后习题 参考文献