TENSORFLOW深度学习实战

本书将介绍如何有效地使用Google的开源框架TensorFlow进行深度学习。通过学习，你将实现不同的深度学习网络，如卷积神经网络（CNN）、循环神经网络（RNN）、深度Q learning网络（DQN）和生成对抗网络（GAN），以及如何使用TensorFlow的不错封装Keras工具。

安东尼奥？古利(Antonio Gulli)是搜索引擎、在线服务、机器学习、信息检索、数据分析以及云计算等方面的专家。目前，他在谷歌华沙担任网站主管和云计算主管，推动Serverless、Kubernetes和Google Cloud UX等项目在欧洲的发展。

译者序前言作者简介审校者简介章  TensorFlow简介 11.1  引言 11.2  TensorFlow安装 21.3  Hello world 61.4  理解TensorFlow程序结构 81.5  常量、变量和占位符 101.6  使用TensorFlow 执行矩阵操作 151.7  使用数据流图 171.8  从0.x迁移到1.x 181.9  使用XLA提升运算性能 191.10  调用CPU/GPU设备 211.11  TensorFlow与深度学习 241.12  DNN问题需要的Python包 28第2章  回归 302.1  引言 302.2  选择损失函数 312.3  TensorFlow中的优化器 332.4  读取CSV文件和数据预处理 362.5  房价估计——简单线性回归 392.6  房价估计——多元线性回归 422.7  MNIST数据集的逻辑回归 45第3章  神经网络——感知机 503.1  引言 503.2  激活函数 523.3  单层感知机 583.4  计算反向传播算法的梯度 603.5  使用MLP实现MNIST分类器 633.6  使用MLP逼近函数来预测波士顿房价 663.7  调整超参数 713.8  不错API——Keras 72第4章  卷积神经网络 754.1  引言 754.2  创建一个ConvNet来分类手写MNIST数字 794.3  创建一个ConvNet来分类CIFAR-10数据集 844.4  用VGG19做风格迁移的图像重绘 874.5  使用预训练的VGG16网络进行迁移学习 964.6  创建DeepDream网络 100第5章  不错卷积神经网络 1055.1  引言 1055.2  为情感分析创建一个ConvNet 1065.3  检验VGG预建网络学到的滤波器 1095.4  使用 VGGNet、ResNet、Inception和Xception分类图像 1135.5  重新利用预建深度学习模型进行特征提取 1255.6  用于迁移学习的深层InceptionV3网络 1265.7  使用扩张ConvNet、WaveNet和 NSynth生成音乐 1295.8  关于图像的问答 1345.9  利用预训练网络进行视频分类的6种方法 140第6章  循环神经网络 1446.1  引言 1446.2  神经机器翻译——seq2seq RNN训练 1506.3  神经机器翻译——seq2seq RNN推理 1566.4  你所需要的是注意力—另一个seq2seq RNN例子 1576.5  使用RNN像莎士比亚一样写作 1616.6  基于RNN学习预测比特币价格 1656.7  多对一和多对多的RNN例子 174第7章  无监督学习 1767.1  引言 1767.2  主成分分析 1767.3  k均值聚类 1817.4  自组织映射 1867.5  受限玻尔兹曼机 1917.6  基于RBM的推荐系统 1967.7  用DBN进行情绪检测 198第8章  自动编码机 2058.1  引言 2058.2  标准自动编码机 2078.3  稀疏自动编码机 2128.4  去噪自动编码机 2178.5  卷积自动编码机 2218.6  堆叠自动编码机 225第9章  强化学习 2319.1  引言 2319.2  学习OpenAI Gym 2329.3  用神经网络智能体玩Pac-Man游戏 2359.4  用Q learning玩Cart-Pole平衡游戏 2389.5  用DQN玩Atari游戏 2449.6  用策略梯度网络玩Pong游戏 2520章  移动端计算 25910.1  引言 25910.2  安装适用于macOS和Android的TensorFlow mobile 26010.3  玩转TensorFlow和Android的示例 26510.4  安装适用于macOS和iPhone的TensorFlow mobile 26810.5  为移动设备优化TensorFlow计算图 27110.6  为移动设备分析TensorFlow计算图 27310.7  为移动设备转换TensorFlow计算图 2751章  生成式模型和CapsNet 27811.1  引言 27811.2  学习使用简单GAN虚构MNIST图像 28411.3  学习使用DCGAN虚构MNIST图像 28911.4  学习使用DCGAN虚构名人面孔和其他数据集 29411.5  实现变分自动编码机 29711.6  学习使用胶囊网络击败MNIST前期的近期新成果 3052章  分布式TensorFlow和云深度学习 31912.1  引言 31912.2  在GPU上使用TensorFlow 32212.3  玩转分布式TensorFlow：多个GPU和一个CPU 32312.4  玩转分布式TensorFlow：多服务器 32412.5  训练分布式TensorFlow MNIST分类器 32612.6  基于Docker使用TensorFlow Serving 32812.7  使用计算引擎在谷歌云平台上运行分布式TensorFlow 33012.8  在谷歌CloudML上运行分布式TensorFlow 33312.9  在Microsoft Azure上运行分布式TensorFlow 33412.10  在Amazon AWS上运行分布式TensorFlow 337附录A  利用AutoML学会学习（元学习） 342附录B  TensorFlow处理器 350