目录 第1章初识TensorFlow 1.1深度学习介绍 1.2TensorFlow简介 1.3TensorFlow环境搭建 1.4TensorFlow测试 1.5本章小结 1.6习题 第2章TensorFlow基础 2.1张量 2.2会话 2.3变量与占位符 2.4矩阵 2.4.1创建矩阵 2.4.2矩阵基本运算 2.5本章小结 2.6习题 第3章TensorFlow进阶 3.1TensorFlow的计算模型 3.1.1计算图的工作原理 3.1.2计算图的使用 3.2TensorFlow的嵌入层 3.3TensorFlow的多层 3.4TensorFlow实现损失函数 3.4.1损失函数 3.4.2损失函数工作原理及实现 3.5TensorFlow实现反向传播 3.5.1反向传播算法 3.5.2反向传播算法的工作原理及实现 3.6TensorFlow实现随机训练和批量训练 3.7TensorFlow创建分类器 3.8TensorFlow实现模型评估 3.8.1模型评估方法 3.8.2模型评估工作原理及实现 3.9本章小结 3.10习题 第4章基于TensorFlow的线性回归 4.1线性回归简介 4.2TensorFlow求逆矩阵 4.3TensorFlow求矩阵的分解 4.4TensorFlow实现线性回归算法 4.5线性回归中的损失函数 4.6TensorFlow实现戴明回归 4.7TensorFlow实现Ridge回归与Lasso回归 4.8TensorFlow实现逻辑回归 4.9本章小结 4.10习题 第5章神经网络算法基础 5.1神经网络算法简介 5.2TensorFlow实现激活函数 5.2.1Sigmoid函数 5.2.2Tanh函数 5.2.3ReLU数 5.3TensorFlow实现单层神经网络 5.4TensorFlow实现神经网络常见层 5.5本章小结 5.6习题 第6章数字识别问题 6.1MNIST数据处理 6.2神经网络模型训练进阶 6.2.1程序与数据的拆分 6.2.2变量管理 6.3TensorFlow模型持久化 6.3.1TensorFlow实现保存或加载模型 6.3.2TensorFlow模型持久化的原理及数据格式 6.4本章小结 6.5习题 第7章TensorFlow实现卷积神经网络 7.1卷积神经网络简介 7.2TensorFlow实现简单的CNN 7.3TensorFlow实现进阶CNN 7.4TensorFlow实现图片风格渲染 7.5本章小结 7.6习题 第8章图像数据处理 8.1TFRecords 8.2图像数据的预处理 8.2.1图像预处理方法简介 8.2.2图像预处理实例 8.3多线程输入数据处理框架 8.3.1队列与多线程 8.3.2输入文件队列 8.3.3组合训练数据 8.4数据集的使用方法 8.5本章小结 8.6习题 第9章TensorFlow实现循环神经网络 9.1循环神经网络简介 9.2通过TensorFlow实现垃圾短信预测 9.3通过TensorFlow实现LSTM模型 9.4通过TensorFlow实现多层LSTM模型 9.5本章小结 9.6习题 第10章TensorFlow产品化 10.1TensorFlow的单元测试 10.2TensorFlow并发执行 10.3TensorFlow分布式实践 10.4TensorFlow产品化开发 10.5本章小结 10.6习题 第11章TensorFlow的进阶用法 11.1TensorFlow实现遗传算法 11.2TensorFlow实现Kmeans算法 11.3TensorFlow求解常微分方程 11.4本章小结 11.5习题 第12章TensorFlow高层封装 12.1TensorFlow的常见封装方法简介 12.2Keras 12.2.1序贯模型 12.2.2函数式模型 12.3Estimator 12.3.1Estimator的基本用法 12.3.2Estimator自定义模型 12.4本章小结 12.5习题 第13章TensorFlow可视化 13.1TensorBoard简介 13.2TensorBoard可视化 13.2.1TensorFlow命名空间与TensorBoard图上节点 13.2.2TensorBoard节点信息 13.3本章小结 13.4习题 第14章TensorFlow实现车牌识别 14.1项目简介 14.2生成训练数据集 14.3数据读取 14.4构建神经网络模型 14.5开始模型训练 14.6测试模型准确度 14.7本章小结