编辑推荐
通过TensorFlow 2.0编程实践，掌握卷积神经网络及其应用详解卷积神经网络和TensorFlow深度学习的知识要点，揭示从卷积神经网络模型构建到应用。
内容简介
卷积神经网络是现代神经网络的核心内容，TensorFlow又是现在最为流行的深度学习框架。本书使用TensorFlow 2.0作为卷积神经网络实现的基本工具，引导深度学习初学者，从搭建环境开始，逐步深入到理论、代码和应用实践中去。 本书分为8章，第1章从搭建环境开始，包含Anaconda、Python、PyCharm、TensorFlow CPU 版本和GPU版本的安装；第2章是Keras TensorFlow 2.0的使用基础；第3章是TensorFlow 2.0语法；第4章是MNIST实战；第5章是Dataset API；第6章是ResNet理论和实践；第7章是注意力模型；第8章是通过卷积实现的一个项目案例：识文断字。 本书内容详尽、示例丰富，是机器学习和深度学习初学者必备的参考书，同时非常适合高等院校人工智能相关专业的师生阅读，也可作为培训学校相关专业的教材使用。
作者简介
作者王晓华，计算机专业讲师，长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程；主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立科研项目获省级成果认定，发表过多篇论文，拥有一项专利。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV TensorFlow深度学习与计算机视觉实战》等图书。
章节目录
版权信息
内容简介
前言
本书特色
本书内容及知识体系
示例源码下载
适合阅读本书的读者
第1章 Python和TensorFlow 2.0的安装
1.1 Python基本安装和用法
1.2 TensorFlow 2.0 GPU版本的安装
1.3 Hello TensorFlow
1.4 本章小结
第2章 简化代码的复杂性：TensorFlow 2.0基础与进阶
2.1 配角转成主角——从TensorFlow Eager Execution转正谈起
2.2 Hello TensorFlow & Keras
2.3 全连接层详解
2.4 本章小结
第3章 TensorFlow 2.0语法基础
3.1 BP神经网络简介
3.2 BP神经网络两个基础算法详解
3.3 反馈神经网络反向传播算法介绍
3.4 本章小结
第4章 卷积层详解与MNIST实战
4.1 卷积运算基本概念
4.2 TensorFlow 2.0编程实战——MNIST手写体识别
4.3 本章小结
第5章 TensorFlow 2.0 Dataset使用详解
5.1 Dataset API基本结构和内容
5.2 Dataset API高级用法
5.3 使用TFRecord API创建和使用数据集
5.4 TFRecord实战——带有处理模型的完整例子
5.4 本章小结
第6章 从冠军开始：ResNet
6.1 ResNet基础原理与程序设计基础
6.2 ResNet实战CIFAR-100数据集分类
6.3 ResNet的兄弟——ResNeXt
6.4 其他的卷积神经模型简介
6.5 本章小结
第7章 Attention is all we need!
7.1 简单的理解注意力机制
7.2 SENet和CBAM注意力机制的经典模型
7.3 本章小结
第8章 卷积神经网络实战：识文断字我也可以
8.1 文本数据处理
8.2 针对文本的卷积神经网络模型简介——字符卷积
8.3 针对文本的卷积神经网络模型简介——词卷积
8.4 使用卷积对文本分类的补充内容
8.5 本章小结
TensorFlow2.0卷积神经网络实战是2020年由清华大学出版社出版,作者王晓华。
得书感谢您对《TensorFlow2.0卷积神经网络实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
