TensorFLOW进阶指南 基础、算法与应用

本书是由人工智能一线从业专家根据自己日常工作的体会与经验总结而成的，在对TensorFlow的基础知识、环境搭建、神经网络、常用技术的详细讲解当中穿插了自己实战的经验与教训。更与众不同的是，本书详细地解析了使用TensorFlow进行深度学习领域中常用模型的搭建、调参和部署整个流程，以及数据集的使用方法，能够帮助您快速理解和掌握TensorFlow相关技术，很后还用实战项目帮助您快速地学会TensorFlow开发，并使用TensorFlow技术来解决实际问题。本书代码主要是在1.6版本的基础上进行开发的，同时兼容1.2~1.10的版本，并已得到验证。本书主要面向对TensorFlow、深度学习、人工智能具有强烈兴趣且希望尽快入门的相关从业人员、高校相关专业的教育工作者和在校学生，以及正在从事深度学习工作且希望深入的数据科学家、软件工程师、大数据平台工程师、项目管理者等。

黄鸿波，珠海金山办公软件有限公司（WPS）人工智能领域专家，不错算法工程师，拥有多年软件开发经验。曾在格力电器股份有限公司大数据中心担任人工智能领域专家，且在多家公司担任过不错工程师，技术经理，技术总监等职务。曾带领团队开发过基于人脸识别技术的智能支付系统、推荐系统、知识图谱、智能问答系统等。擅长数据挖掘、机器学习、移动开发等专业领域，并拥有丰富的实战经验。

   第1章人工智能与深度学习1

1.1人工智能与机器学习1

1.2无处不在的深度学习6

1.3如何入门深度学习7

1.4主流深度学习框架介绍13

第2章搭建TensorFlow环境15

2.1基于pip安装15

2.1.1基于Windows环境安装TensorFlow15

2.1.2基于Linux环境安装TensorFlow22

2.2基于Java安装TensorFlow24

2.3安装TensorFlow的常用依赖模块27

2.4HelloTensorFlow30

2.4.1MNIST数据集30

2.4.2编写训练程序32

2.5小结35

第3章TensorFlow基础36

3.1TensorFlow的系统架构36

3.1.1Client37

3.1.2DistributedMaster38

3.1.3WorkerService39

3.1.4KernelImplements39

3.2TensorFlow的数据结构——张量39

3.2.1什么是张量39

3.2.2张量的阶40

3.2.3张量的形状40

3.2.4数据类型41

3.3TensorFlow的计算模型——图42

3.3.1计算图基础42

3.3.2计算图的组成43

3.3.3计算图的使用45

3.3.4小结48

3.4TensorFlow中的会话——Session48

第4章TensorFlow中常用的激活函数与神经网络50

4.1激活函数的概念50

4.2常用的激活函数51

4.2.1Sigmoid函数51

4.2.2Tanh函数53

4.2.3ReLU函数55

4.2.4Softplus函数57

4.2.5Softmax函数58

4.2.6小结59

4.3损失函数的概念60

4.4损失函数的分类63

4.5常用的损失函数65

4.5.10-1损失函数65

4.5.2Log损失函数66

4.5.3Hinge损失函数69

4.5.4指数损失70

4.5.5感知机损失70

4.5.6平方（均方）损失函数71

4.5.7绝对值损失函数71

4.5.8自定义损失函数71

4.6正则项72

4.6.1L0范数和L1范数72

4.6.2L2范数73

4.6.3核范数74

4.7规则化参数76

4.8易混淆的概念76

4.9神经网络的优化方法77

4.9.1梯度下降算法77

4.9.2随机梯度下降算法79

4.9.3其他的优化算法80

4.9.4小结84

4.10生成式对抗网络（GAN）84

4.10.1CGAN96

4.10.2DCGAN97

4.10.3WGAN98

4.10.4LSGAN99

4.10.5BEGAN100

第5章卷积神经网络102

5.1神经网络简介102

5.1.1神经元与神经网络102

5.1.2感知器（单层神经网络）与多层感知器104

5.2图像识别问题108

5.3常用的图像库介绍111

5.4卷积神经网络简介114

5.4.1CNN的基本原理与卷积核115

5.4.2池化116

5.4.3再探ReLU118

5.5CNN模型119

5.5.1LeNet-5模型119

5.5.2AlexNet模型123

5.5.3Inception模型130

5.6用CNN实现MNIST训练147

第6章循环神经网络151

6.1初识循环神经网络151

6.1.1前馈神经网络152

6.1.2神经网络中的时序信息158

6.2详解循环神经网络159

6.3RNN的变种——双向RNN162

6.4One-HotEncoding165

6.5词向量和word2vec166

6.5.1CBOW模型167

6.5.2Skip-Gram模型168

6.6梯度消失问题和梯度爆炸问题169

6.6.1梯度下降170

6.6.2解决梯度消失和梯度爆炸问题的方法172

6.7RNN的变种——LSTM179

6.8写诗机器人189

第7章TensorFlow的可视化196

7.1TensorBoard简介196

7.2生成和使用TensorBoard200

7.3TensorBoard的面板展示208

7.4小结223

第8章TensorFlow中的数据操作224

8.1制作TFRecords数据集224

8.2DatasetAPI介绍230

8.3TensorFlow中的队列233

第9章支持向量机（SVM）240

9.1什么是支持向量机240

9.2计算最优超平面242

9.3TensorFlow实现线性SVM243

9.4非线性SVM介绍247

9.5使用TensorFlow实现非线性SVM分类器250

第10章TensorFlow结合Flask发布MNIST模型258

10.1Flask框架介绍258

10.2训练MNIST模型259

10.3小结275

第11章TensorFlow模型的发布与部署276

11.1TensorFlowServing的前导知识276

11.2TensorFlowServing模型打包280

11.3TensorFlowServing模型的部署和调用284

第12章TensorFlowLite牛刀小试285

12.1什么是TensorFlowLite285

12.2如何使用TensorFlowLite模型287

12.3TensorFlowLite与Android结合实现图像识别290

第13章TensorFlowGPU296

13.1什么是GPU296

13.2GPU的选择297

13.3搭建TensorFlowGPU299

13.3.1在Windows上搭建TensorFlowGPU299

13.3.2在Linux上搭建TensorFlowGPU307

13.4使用TensorFlowGPU进行训练311

第14章TensorFlow与目标检测317

14.1传统目标检测方法317

14.2RCNN介绍319

14.3Fast-RCNN321

14.4Faster-RCNN325

14.5YOLO328

附录ATensorFlow历代版本更新内容354

A.1TensorFlow1.3版本更新内容354

A.2TensorFlow1.4版本更新内容355

A.3TensorFlow1.5版本更新内容356

A.4TensorFlow1.6版本更新内容356

A.5TensorFlow1.7版本更新内容357

A.6TensorFlow1.8版本更新内容357

A.7TensorFlow1.9版本更新内容358