TensorFlow深度学习 手把手教你掌握100个精彩案例(Python版)

"本书提供了超过100个精彩实例，所有实例均有演示视频，并提供丰富的学习资源： 教学视频：扫描书中的二维码即可在线观看。 程序代码：关注“人工智能科学与技术”微信公众号，在“知识”→“资源下载”→“配书资源”菜单获取下载链接（或到清华大学出版社网站本书页面获取下载链接）。"

柯博文 美国硅谷的科技公司创业者，LoopTek（录克）公司 CTO，拥有20多年的实际开发经验，全球数十家科技公司培训讲师。长期专注于人工智能、移动互联、智能硬件的应用开发。曾任中国电子视像行业协会顾问、中国物联网应用与推进联盟顾问。致力推广人工智能技术，在全球多个城市定期举办推广活动，做过400余场次的开发技术专题演讲。出版多部畅销图书。

第1章 Python程序设计语言
1．1 Python程序设计语言历史
1．2 Python程序设计语言简介
1．3 Python版本简介

第2章 安装和运行Python开发环境
2．1 在Windows操作系统中安装Python
2．2 在Windows操作系统中测试与运行Python
2．3 在Mac操作系统中安装Python
2．4 在Mac操作系统中测试与运行Python
2．5 在Linux和树莓派中安装Python
2．6 在Linux或树莓派中测试与运行Python

第3章 开发程序和工具
3．1 我的第1个Windows版Python程序
3．2 我的第1个Mac、Linux和树莓派版Python程序
3．3 开发和调试工具的下载和安装
3．4 打开PyCharm
3．5 用PyCharm创建项目
3．6 调试项目
3．7 安装Anaconda
3．8 使用Anaconda
3．9 pip安装包
3．10 本书需要安装的第三方函数库列表

第4章 TensorFlow简介和安装
4．1 TensorFlow简介
4．2 安装TensorFlow
4．3 TensorFlow测试

第5章 显卡确认
5．3 安装Python 的TensorFlow-GPU函数库
5．4 运行TensorFlow-GPU程序
5．5 通过程序指定GPU显卡
5．6 指定GPU显卡内存上限

第6章 TensorFlow神经网络模型快速上手
6．1 人工智能开发步骤
6．2 创建训练集
6．3 构建模型
6．4 编译
6．5 训练
6．6 评估正确率
6．7 预测

第7章 TensorFlow改善神经网络模型MLP的准确率
7．1 模型不同的写法
7．2 TensorFlow与Keras 函数库的关系和差异
7．3 标记处理独热编码
7．4 处理多个特征值
7．5 通过改变深度学习训练次数改善预测结果
7．6 通过改变深度学习每次训练的数据量改善预测结果
7．7 通过增加神经元的数量改善预测结果
7．8 通过增加隐藏层的数量改善预测结果
7．9 通过增加训练集的数据笔数改善训练结果
7．10 使预测正确率达到100%

第8章 TensorFlow神经网络模型实战案例
8．1 鸢尾花的种类判断
8．2 鸢尾花植物辨识数据库
8．3 利用Python处理Excel文档
8．4 下载并存储鸢尾花数据
8．5 多层感知器模型
8．6 使用TensorFlow．keras 创建模型
8．7 澳大利亚堪培拉天气预测
8．8 Excel数据的提取和存储
8．9 CSV数据的提取、处理和存储
8．10 处理天气记录的Excel数据
8．11 使用神经网络模型MLP预测天气

第9章 TensorFlow神经网络神经元
9．1 神经网络图形工具
9．2 神经网络图形工具的TensorFlow数据
9．3 神经网络图形工具对应的TensorFlow程序
9．4 调整隐藏层和神经元
9．5 用最少的隐藏层和神经元区分数据
9．6 通过TensorFlow 计算权重和偏移量
9．7 将神经元的权重和偏移量用表达式表示
9．8 用TensorFlow画出神经元的权重和偏移量
9．9 binary_crossentropy 二元法的处理
9．10 自定义数据验证回归和神经元的关系
9．11 激活函数
9．12 多个神经元

第10章 MLP神经网络的数学理论
10．1 激活函数Sigmoid的数学理论
10．2 激活函数Tanh的数学理论
10．3 激活函数ReLU的数学理论
10．4 使用激活函数的目的
10．5 MLP的计算公式
10．6 两层神经元的数学计算

第11章 TensorFlow神经网络隐藏层
11．1 隐藏层的作用
11．2 隐藏层的数学原理
11．3 MLP实例XOR问题
11．4 空间转换
11．5 再次切割
11．6 隐藏层的设置

第12章 TensorFlow神经网络最短路径算法
12．1 图形显示训练过程历史
12．2 深度学习优化——最短路径算法
12．3 Adam算法
12．4 SGD算法
12．5 RMSprop算法
12．6 Adagrad、Adadelta、Nadam和Momentum算法
12．7 选择优化算法的方法
12．8 特征值数据标准化
12．9 优化学习率
12．10 编译模型的metrics 指针

第13章 TensorFlow神经网络访问模型和训练结果
13．1 TensorBoard的使用
13．2 保存模型和训练后的结果
13．3 提取模型系统结构和模型权重
13．4 通过Callback每次训练存储权重一次
13．5 自动判断是否需要训练模型
13．6 分批次训练
……
第14章 TensorFlow神经网络MLP回归
第15章 图像识别
第16章 卷积神经网络
第17章 OpenCV和CNN即时识别
第18章 卷积神经网络原理
第19章 利用卷积神经网络提高准确率的技巧
第20章 图学网络应用模块
第21章 多影像识别实战
第22章 多影像识别技术