●第1章環境安裝
1.1Python安裝
1.1.1Windows安裝方法
1.1.2Ubuntu安裝方法
1.2TensorFlow安裝
1.2.1Windows安裝方法
1.2.2Ubuntu安裝方法
1.3Python擴充套件安裝
1.4JupyterNotebook
1.4.1Windows安裝方法
1.4.2Ubuntu安裝方法
1.4.3設置並建立項目
1.4.4常用快捷鍵
1.4.5JupyterNotebook操作練習
1.5本書的範例程序
1.5.1在Windows中打開項目
1.5.2在Ubuntu中打開項目
第2章TensorFlow2.0介紹
2.1什麼是深度學習
2.2建立項目
2.3TensorFlow介紹
2.4TensorFlow2.0的變化
2.5EagerExecution
2.5.1EagerExecution介紹
2.5.2TensorFlow基本運算
2.6Keras
2.6.1Keras介紹
2.6.2序貫模型
2.6.3FunctionalAPI
2.7tf.data
2.7.1tf.data介紹
2.7.2基本操作
第3章回歸問題
3.1深度神經網絡
3.1.1神經網絡簡史
3.1.2神經網絡原理
3.1.3全連接
3.1.4損失函數MSE和MAE
3.1.5神經網絡權重更新
3.1.6神經網絡訓練步驟
3.2Kaggle介紹
3.3實驗一：房價預測模型
3.3.1數據集介紹
3.3.2新建項目
3.3.3程序代碼
3.4TensorBoard介紹
3.5實驗二：過擬合問題
3.5.1過擬合說明
3.5.2程序代碼
3.5.3TensorBoard數據分析
3.6參考文獻
第4章二分類問題
4.1機器學習的四大類別
4.2二分類問題介紹
4.2.1邏輯回歸
4.2.2Sigmoid
4.2.3二分類交叉熵
4.2.4獨熱編碼
4.3實驗：精靈寶可夢對戰預測
4.3.1數據集介紹
4.3.2新建項目
4.3.3程序代碼
4.4參考文獻
第5章多分類問題
5.1卷積神經網絡
5.1.1卷積神經網絡簡介
5.1.2卷積神經網絡架構
5.1.3卷積神經網絡的原理
5.2多分類問題介紹
5.2.1Softmax
5.2.2多分類交叉熵
5.2.3數據增強
5.3實驗：CIFAR-10圖像識別
5.3.1數據集介紹
5.3.2TensorFlowDatasets
5.3.3新建項目
5.3.4程序代碼
5.4參考文獻
第6章神經網絡訓練技巧
6.1反向傳播
6.2權重初始化
6.2.1正態分布
6.2.2Xavier/Glorot初始化
6.2.3He初始化
6.3批量歸一化
6.3.1批量歸一化介紹
6.3.2批量歸一化網絡架構
6.4實驗一：使用CIFAR-10數據集實驗3種權重初始化方法
6.4.1新建項目
6.4.2建立圖像增強函數
6.4.3程序代碼
6.4.4TensorBoard可視化權重分布
6.5實驗二：使用CIFAR-10數據集實驗批量歸一化方法
6.6總結各種網絡架構的性能比較
6.7參考文獻
第7章TensorFlow2.0高級技巧
7.1TensorFlow高級技巧
7.1.1自定義網絡層
7.1.2自定義損失函數
7.1.3自定義評價指標函數
7.1.4自定義回調函數
7.2Keras高級API與自定義API比較
7.2.1網絡層
7.2.2損失函數
7.2.3評價指標函數
7.2.4回調函數
7.3實驗：比較Keras高級API和自定義API兩種網絡訓練的結果
7.3.1新建項目
7.3.2程序代碼
第8章TensorBoard高級技巧
8.1TensorBoard的高級技巧
8.1.1tf.summary
8.1.2tf.summary.scalar
8.1.3tf.summary.image
8.1.4tf.summary.text
8.1.5tf.summary.audio
8.1.6tf.summary.histogram
8.2實驗一：使用tf.summary.image記錄訓練結果
8.2.1新建項目
8.2.2程序代碼
8.3實驗二：使用TensorBoard超參數調校工具來訓練多個網絡模型
8.3.1啟動TensorBoard（命令行）
8.3.2程序代碼
第9章卷積神經網絡經典架構
9.1神經網絡架構
9.1.1LeNet
9.1.2AlexNet
9.1.3VGG
9.1.4GoogLeNet
9.1.5ResNet
9.1.6總結各種網絡架構的比較
9.2實驗：實現InceptionV3網絡架構
9.2.1新建項目
9.2.2KerasApplications
9.2.3TensorFlowHub
9.3參考文獻
第10章遷移學習
10.1認識遷移學習
10.1.1遷移學習介紹
10.1.2遷移學習訓練技巧
10.2實驗：遷移學習範例
10.2.1新建項目
10.2.2數據集介紹
10.2.3程序代碼
10.3參考文獻
第11章變分自編碼器
11.1自編碼器介紹
11.2變分自編碼器介紹
11.3變分自解碼器的損失函數
11.4實驗：變分自編碼器程序代碼的實現
11.4.1建立項目
11.4.2數據集介紹
11.4.3變分自編碼器項目說明
11.4.4變分自編碼器訓練和生成圖像
11.5參考文獻
……

本書從介紹深度學習和重要入門知識入手，通過範例講解TensorFlow的應用開發。本書文字清晰、嚴謹，並輔以簡潔明了的插圖說明，同時提供步驟細致的範例程序教學，讓讀者可以輕松理解並掌握深度學習原理和TensorFlow開發方法。本書分為12章，內容包括：環境安裝、TensorFlow2.0介紹、回歸問題、二分類問題、多分類問題、神經網絡訓練技巧、TensorFlow2.0高級技巧、TensorBoard高級技巧、卷積神經網絡經典架構、遷移學習、變分自編碼器和生成式對抗網絡。本書適合TensorFlow深度學習自學者、深度學習開發人員、人工智能行業咨詢顧問等閱讀，也適合作為高等院校和培訓學校人工智能及其相關專業師生的教學參考書。