作品简介

本书通过96个案例,全面讲解了深度学习神经网络原理和TensorFlow的使用方法。全书共分为3篇,第1篇深度学习与TensorFlow基础,包括快速了解人工智能与TensorFlow、搭建开发环境、TensorFlow基本开发步骤、TensorFlow编程基础、识别图中模糊的手写数字等内容;第2篇深度学习基础——神经网络,介绍了神经网络的基础模型,包括单个神经元、多层神经网络、卷积神经网络、循环神经网络、自编码网络等内容;第3篇深度学习进阶,是对基础网络模型的灵活运用与自由组合,是对前面知识的综合及拔高,包括深度神经网络和对抗神经网络两章内容。

本书特别适合TensorFlow深度学习的初学者和进阶读者阅读,也适合社会培训班和各大院校对深度学习有兴趣的学生阅读。

作品目录

  • 配套学习资源
  • 前言
  • 第1篇 深度学习与TensorFlow基础
  • 第1章 快速了解人工智能与TensorFlow
  • 第2章 搭建开发环境
  • 第3章 TensorFlow基本开发步骤——以逻辑回归拟合二维数据为例
  • 第4章 TensorFlow编程基础
  • 第5章 识别图中模糊的手写数字(实例21)
  • 第2篇 深度学习基础——神经网络
  • 第6章 单个神经元
  • 第7章 多层神经网络——解决非线性问题
  • 第8章 卷积神经网络——解决参数太多问题
  • 第9章 循环神经网络——具有记忆功能的网络
  • 第10章 自编码网络——能够自学习样本特征的网络
  • 第3篇 深度学习进阶
  • 第11章 深度神经网络
  • 第12章 对抗神经网络(GAN)
展开全部