从零开始学TensorFlow 2.0

本书从TensorFlow2.0的基础知识讲起，深入介绍TensorFlow2.0的进阶实战，并配合项目实战案例，重点介绍使用TensorFlow2.0的新特性进行机器学习的方法，使读者能够系统地学习机器学习的相关知识，并对TensorFlow2.0的新特性有更深入的理解。本书共14章，主要介绍机器学习、TensorFlow2.0基础、张量、数据层、CNN等内容，中间还穿插了机器学习中常见的图形识别、文本处理和对抗训练等实例，以帮助读者理解TensorFlow2.0。本书着重介绍了在TensorFlow2.0中使用Keras的方法，Keras是TensorFlow2.0中的重点概念，十分有必要对其进行学习。本书内容通俗易懂、案例丰富、实用性强，特别适用于TensorFlow2.0的入门者和进阶者，以及有志从事机器学习的爱好者，本书还适合用作相关机构的培训教材。

赵铭，互联网20年从业者，目前就职于医疗大数据行业，从事数据仓库、数据分析和知识图谱等方面的研究。跟进了多个从0到1的项目，在项目调研、项目执行、项目推广和项目维护工作中均有不同程度的参与。曾在人人网担任基础架构工程师，在粉丝网担任SRE部门开发工程师。在多年的工作中，积累了一定的开发经验。

第1章人工智能的概念1
1.1机器学习1
1.2神经网络3
1.3常用的深度学习框架3
第2章TensorFlow初探5
2.1在Linux系统中安装TensorFlow2.05
2.2在Linux系统中安装TensorFlow2.0的GPU版本5
2.3在Windows系统中安装TensorFlow2.06
2.4在Windows系统中安装TensorFlow2.0的GPU版本14
第3章TensorFlow的基础概念17
3.1张量17
3.2GPU加速19
3.3数据集20
3.4自定义层22
3.4.1网络层的常见操作22
3.4.2自定义网络层24
3.4.3网络层组合25
3.4.4自动求导26
第4章TensorFlow与多层感知器30
4.1MLP简介30
4.2基础MLP网络30
4.2.1回归分析30
4.2.2分类任务33
4.3基础模型36
4.4权重初始化39
4.5激活函数41
4.6批标准化44
4.7dropout46
4.8模型集成48
4.9优化器49
第5章TensorFlow与卷积神经网络52
5.1基础卷积神经网络52
5.2卷积层的概念及示例53
5.3池化层的概念及示例54
5.4全连接层的概念及示例55
5.5模型的概念、配置及训练57
第6章TensorFlow自编码器60
6.1自编码器简介60
6.2卷积自编码器64
第7章TensorFlow高级编程68
7.1Keras基础68
7.1.1构造数据68
7.1.2样本权重和类权重70
7.1.3回调72
7.2函数式API76
7.2.1构建简单的网络76
7.2.2构建多个模型78
7.2.3两种典型的复杂网络82
7.3使用Keras自定义网络层和模型86
7.3.1构建简单网络86
7.3.2构建自定义模型90
7.4Keras训练模型94
7.4.1常见模型的训练流程94
7.4.2自定义指标96
7.4.3自定义训练和验证循环100
7.5Keras模型的保存106
第8章TensorFlow文本分类121
8.1简单文本分类121
8.2卷积文本分类131
8.3RNN文本分类143
第9章TensorFlow图像处理152
9.1图像分类152
9.2图像识别162
9.3生成对抗网络168
第10章TensorFlow决策树180
10.1BoostedTrees简介180
10.2数据预测180
第11章TensorFlow过拟合和欠拟合197
11.1过拟合和欠拟合的基本概念197
11.2过拟合和欠拟合197
11.3优化方法208
11.3.1dropout优化方案208
11.3.2L2正则化优化212
第12章TensorFlow结构化数据217
12.1数字列219
12.2bucketized列220
12.3类别列222
12.4嵌入列223
12.5哈希特征列224
12.6交叉功能列226
12.7结构化数据的使用227
第13章TensorFlow回归233
13.1一元线性回归233
13.2多元线性回归237
13.3汽车油耗回归示例241