TensorFlow全栈开发工程实践:做一个全智全能算法工程师

第1章 烂熟于心的基础知识 1.1 快速恶补必要的数学知识 1.1.1 线性代数提供了一种看待世界的抽象视角 1.1.2 概率论用面积度量世界万物的存在 1.1.3 微积分运算解决了一定条件下直线到曲线的矛盾 1.1.4 信息论的产物：交叉熵 1.2 Python语言没有你想象的那样简单 1.2.1 Python模块的导入和引用 1.2.2 Python中那些奇怪符号的用法 1.2.3 仅Python才有的神奇代码 1.2.4 Python代码 综合案例 1.3 选择TensorFlow 1.X还是2.X的理由 1.3.1 TensorFlow概述 1.3.2 TensorFlow 1.X与TensorFlow 2.X的区别 1.3.3 TensorFlow 1.X和TensorFlow 2.X的手写数字识别 本章小结 第2章 模型工程化 的技能 2.1 模型转换为云服务的桥梁：Docker 2.1.1 映像、容器和隔离 2.1.2 Docker Compose 2.1.3 大规模使用Docker 2.2 Git版本管理系统 2.2.1 安装Git 2.2.2 搭建代码数据仓库 2.2.3 Git的流行仅因为多了一个“分支” 2.2.4 删除文件、文件重命名、去除提交和恢复文件 2.2.5 远程版本管理 2.2.6 Git版本合并容错 本章小结 第3章 TensorFlow的安装和配置 3.1 Windows开发环境的配置 3.1.1 Anaconda 3.1.2 CUDA和cuDNN 3.1.3 PyCharm 3.2 Linux开发环境的配置 3.2.1 Virtualenv和Docker 3.2.2 Jupyter NoteBook 3.2.3 Vim 3.3 Python常用的科学计算和机器学习库 3.3.1 NumPy 3.3.2 Matplotlib 3.3.3 Pandas 3.3.4 Python SciPy 3.3.5 Scikit-Learn 本章小结 第4章 云端部署TensorFlow模型 4.1 RPC原理 4.2 远程调用通信机制 4.2.1 发布服务 4.2.2 使用Python实现RPC服务