TensorFlow 2.0 深度學習從零開始學

王曉華

計算機專業講師，長期講授面向對象程序設計、
數據結構、Hadoop程序設計等研究生和本科生相關課程；
主研方向為雲計算、數據挖掘；曾主持和參與多項國家和省級科研課題，
獨立科研項目獲省級成果認定，發表過多篇論文，
擁有一項專利；著有《Spark MLlib機器學習實踐》
《TensorFlow深度學習應用實踐》《OpenCV+TensorFlow深度學習與計算機視覺實戰》等圖書。

第1章TensorFlow 2．0的安裝
1．1 Python基本安裝和用法
1．1．1 Anaconda的下載與安裝
1．1．2 Python編譯器PyCharm的安裝
1．1．3使用Python計算softmax函數
1． 2 TensorFlow 2．0 GPU版本的安裝
1．2．1檢測Anaconda中的TensorFlow版本
1．2．2 TensorFlow 2．0 GPU版本基礎顯卡推薦和前置軟件安裝
1．3 Hello TensorFlow 2．
1．4本章小結

第2章TensorFlow 2．0令人期待的變化
2．1新的架構、新的運行、新的開始
2．1．1 API精簡
2．1．2 Eager Execution
2．1．3取消全局變量
2．1．4使用函數而不是會話
2．1．5棄用collection
2．2配角轉成主角：從TensorFlow Eager Execution轉正談起
2．2．1 Eager簡介與調用
2．2．2讀取數據
2．3使用TensorFlow 2．0模式進行線性回歸的一個簡單例子
2．3．1模型的工具與數據的生成
2．3．2模型的定義
2．3．3損失函數的定義
2． 3．4梯度函數的更新計算
2．4 TensorFlow 2．0進階-AutoGraph和t￡缸lcdon
2．5本章小結

第3章TensorFlow和Keras
3．1模型！模型！模型！還是模型
3．2使用Keras API實現鳶尾花分類的例子（順序模式）
3．2．1數據的準備
3．2．2數據的處理
3．2．3梯度更新函數的寫法
3．2．4使用Keras函數式編程實現鳶尾花分類的例子（重點）
3．2．5使用保存的Keras模式對模型進行複用
3．2．6使用TensorFlow 2．0標準化編譯對iris模型進行擬合
3．3多輸入單一輸出TensorFlow 2．0編譯方法（選學）
3．3．1數據的獲取與處理
3．3．2模型的建立
3．3．3數據的組合
3．4多輸入多輸出TensorFlow 2．0編譯方法（選學）
3．5全連接層詳解
3．5．1全連接層的定義與實現
3．5．2使用TensorFlow 2．0自帶的API實現全連接層
3．5．3打印顯示TensorFlow 2．0設計的模型結構和參數
3．6本章小結

第4章TensorFlow 2．0語法基礎
4．1 BP神經網絡簡介
4．2 BP神經網絡的兩個基礎算法
4．2．1最小二乘法（LS算法）
4．2．2道士下山的故事——梯度下降算法
4．3反饋神經網絡反向傳播算法
4．3．1深度學習基礎
4．3．2鍊式求導法則
4．3．3反饋神經網絡原理與公式推導
4．3．4反饋神經網絡原理的激活函數
4．3．5反饋神經網絡原理的Python實現
4．4本章小結

第5章卷積層與MNIST實戰
5．1卷積運算
5． 1．1卷積運算的基本概念
5．1．2 TensorFlow2．0中卷積函數的實現
5．1．3池化運算
5．1．4 softmax激活函數
5．1．5卷積神經網絡原理
5 ．2 TensorFlow2．0編程實戰：MNIST手寫體識別
5．2．1 MNIST數據集
5．2．2 MNIST數據集特徵和標註
5．2．3 TensorFlow2．0編程實戰：MNIST數據集
5．2．4使用自定義的捲積層實現MNIST識別
5．3本章小結
……
第6章TensorFlow 2．0 Dataset使用詳解
第7章TensorFlow Datasets和TensorBoard詳解
第8章從冠軍開始：ResNet
第9章註意力機制
第10章卷積神經網絡實戰：識文斷字也可以