为你推荐
内容简介
总序
前言
第1章 TensorFlow简介
1.1 人工智能的编程框架
1.2 TensorFlow 与人工智能
1.3 TensorFlow 数据模型
1.4 TensorFlow 计算模型和运行模型
1.5 实验：矩阵运算
习题
第2章 Python语言基础
2.1 Python语言
2.2 基础语法
2.3 数据结构
2.4 面向对象特性
2.5 其他高级特性
2.6 实验：Python基本语法的实现
习题
第3章 环境搭建与入门
3.1 开发平台简介
3.2 开发环境部署
3.3 一个简单的实例
习题
第4章 TensorBoard可视化
4.1 什么是TensorBoard
4.2 基本流程与结构
4.3 图表的可视化
4.4 监控指标的可视化
4.5 学习过程的可视化
4.6 实验：TensorBoard可视化实现
习题
第5章 多层感知机实现
5.1 感知机
5.2 多层感知机与前向传播
5.3 前向传播
5.4 梯度下降
5.5 反向传播
5.6 数据集
5.7 多层感知机的实现
5.8 实验：基于Keras多层感知机的MNIST手写数字识别
习题
第6章 卷积神经网络实现
6.1 CNN基本原理
6.2 CNN的卷积操作
6.3 CNN的池化操作
6.4 使用简单的CNN实现手写字符识别
6.5 AlexNet
6.6 实验：基于VGG16模型的图像分类实现
习题
第7章 循环神经网络实现
7.1 RNN简介
7.2 长短时记忆网络
7.3 双向RNN
7.4 深层RNN
7.5 实验：基于LSTM的股票预测
习题
第8章 强化学习
8.1 强化学习原理
8.2 马尔可夫决策过程实现
8.3 基于价值的强化学习方法
8.4 Gym的简单使用
8.5 实验：基于强化学习的小车爬山游戏
习题
第9章 迁移学习
9.1 迁移学习原理
9.2 基于模型的迁移学习方法实现
9.3 基于VGG-19的迁移学习实现
9.4 实验：基于Inception V3的迁移学习
习题
第10章 生成对抗网络
10.1 GAN概述
10.2 GAN的目标函数
10.3 GAN的实现
10.4 深度卷积生成对抗网络
10.5 GAN的衍生模型
习题
第11章 GPU并行计算
11.1 并行计算技术
11.2 TensorFlow加速方法
11.3 单GPU并行加速的实现
11.4 多GPU并行加速的实现
11.5 实验：基于GPU的矩阵乘法
习题
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
6.7
