TensorFlow深度学习实战(微课视频版)/大数据与人工智能技术丛书

本书以TensorFlow为基础 ，介绍机器学习的基础知识 与常用方法，全面细致地提 供了基本机器学习操作的原 理和在TensorFlow框架下的 实现步骤。全书分为基础篇 和实战篇，包括17章内容和 两个附录，分别为深度学习 简介、深度学习框架、机器 学习基础知识、TensorFlow 深度学习基础、回归模型、 神经网络基础、卷积神经网 络与计算机视觉、神经网络 与自然语言处理、基于 YOLO V3的安全帽佩戴检测 、基于ResNet的人脸关键点 检测、基于ResNet的花卉图 片分类、基于U-Net的细胞 分割、基于DCGAN的MNIST 数据生成、基于迁移学习的 电影评论分类、基于LSLM的 原创音乐生成、基于RNN的 文本分类以及基于 TensorFlowTTS的中文语音 合成。本书将理论与实践紧 密结合，相信能为读者提供 有益的学习指导。 本书适合Python深度学习 初学者、机器学习算法分析 从业人员以及全国高等学校 计算机科学与技术、软件工 程等相关专业的师生阅读。

吕云翔 单位：北京航空航天大学 职务：博士研究生 职称：副教授 性别：男 年龄：50 专业：计算机 学历：博士研究生 研究领域：数据库 研究成果：已出版二十几本教材（其中“计算机导论实践教程”一书获北航2010年教学成果三等奖；“大学计算机英语教程”获北航2012年教学成果二等奖。

第1部分 基础篇 第1章 深度学习简介 1.1 计算机视觉 1.1.1 定义 1.1.2 基本任务 1.1.3 传统方法 1.1.4 仿生学与深度学习 1.1.5 现代深度学习 1.1.6 影响卷积神经网络发展的因素 1.2 自然语言处理 1.2.1 自然语言处理的基本问题 1.2.2 传统方法与神经网络方法的比较 1.2.3 发展趋势 1.3 强化学习 1.3.1 什么是强化学习 1.3.2 强化学习算法简介 1.3.3 强化学习的应用 第2章 深度学习框架 2.1 Caffe 2.1.1 Caffe简介 2.1.2 Caffe的特点 2.1.3 Caffe概述 2.2 TensorFlow 2.2.1 TensorFlow简介 2.2.2 数据流图 2.2.3 TensorFlow的特点 2.2.4 TensorFlow概述 2.3 PyTorch 2.3.1 PyTorch简介 2.3.2 PyTorch的特点 2.3.3 PyTorch概述 2.4 三者的比较 2.4.1 Caffe 2.4.2 TensorFlow 2.4.3 PyTorch 第3章 机器学习基础知识 3.1 模型评估与模型参数选择 3.1.1 验证 3.1.2 正则化 3.2 监督学习与非监督学习 3.2.1 监督学习 3.2.2 非监督学习 第4章 TensorFlow深度学习基础 4.1 Tensor对象及其运算 4.2 Tensor的索引和切片 4.3 Tensor的变换、拼接和拆分 4.4 TensorFlow的Reduction操作 4.5 三种计算图 4.6 TensorFlow的自动微分 第5章 回归模型