包邮TensorFlow2.0深度学习应用实践

第1章 星星之火 1.1 计算机视觉与深度学习 1.1.1 人类视觉神经的启迪 1.1.2 计算机视觉的难点与人工神经网络 1.1.3 应用深度学习解决计算机视觉问题 1.2 计算机视觉学习的基础与研究方向 1.2.1 学习计算机视觉结构图 1.2.2 计算机视觉的学习方式和未来趋势 1.3 本章小结 第2章 Python的安装与使用 2.1 Python基本安装和用法 2.1.1 Anaconda的下载与安装 2.1.2 Python编译器PyCharm的安装 2.1.3 使用Python计算softmax函数 2.2 Python常用类库threading 2.2.1 threading库的使用 2.2.2 threading模块中*重要的Thread类 2.2.3 threading中Lock类 2.2.4 threading中join类 2.3 本章小结 第3章 深度学习的理论基础——机器学习 3.1 机器学习基本分类 3.1.1 应用学科的分类 3.1.2 学习模式的分类 3.1.3 应用领域的分类 3.2 机器学习基本算法 3.2.1 机器学习的算法流程 3.2.2 基本算法的分类 3.3 算法的理论基础 3.3.1 小学生的故事——求圆的面积 3.3.2 机器学习基础理论——函数逼近 3.4 回归算法 3.4.1 函数逼近经典算法——线性回归算法 3.4.2 线性回归的姐妹——逻辑回归 3.5 本章小结 第4章 Python类库的使用——数据处理及可视化展示 4.1 从小例子起步——NumPy的初步使用 4.1.1 数据的矩阵化 4.1.2 数据分析 4.1.3 基于统计分析的数据处理 4.2 图形化数据处理——Matplotlib包使用 4.2.1 差异的可视化 4.2.2 坐标图的展示 4.2.3 玩个大的 4.3 深度学习理论方法——相似度计算 4.3.1 基于欧几里得距离的相似度计算 4.3.2 基于余弦角度的相似度计算 4.3.3 欧几里得相似度与余弦相似度的比较 4.4 数据的统计学可视化展示 4.4.1 数据的四分位 4.4.2 数据的四分位示例 4.4.3 数据的标准化 4.4.4 数据的平行化处理 4.4.5 热点图-属性相关性检测 4.5 Python实战——某地降雨的关系处理 4.5.1 不同年份的相同月份统计 4.5.2 不同月份之间的增减程度比较 …… 第5章 OpenCV的基础使用 第6章 OpenCV与TensorFlow的融合 第7章 Let's play TensorFlow 第8章 Hello TensorFlow，从0到1 第9章 TensorFlow重要算法基础 第10章 Hello TensorFlow & Keras 第11章 卷积层详解与MNIST实战 第12章 卷积神经网络公式推导与应用 第13章 TensorFlow Datasets和TensorBoard详解 第14章 从冠军开始：ResNet 第15章 Attention is all we need 第16章 开始找工作吧——深度学习常用面试问题答疑 第17章 不服就是GAN——对抗生成网络 第18章 未来的趋势——图卷积神经网络初步