"聚焦10大人工智能經典場景每章都包含TensorFlow 1.x 和2.0 的代碼實現通過案例鞏固基礎知識圖像分類| |古詩生成|個性化推薦|廣告點擊率預估|人臉識別 |AlphaZero/GO|漢字OCR|超級馬裡奧|人臉生成"

●目錄1 卷積神經網絡與環境搭建11.1 概述 11.2 卷積神經網絡 21.2.1 卷積層 31.2.2 修正. 61.2.3 池化層 81.2.4 全連接層 81.2.5 softmax 層 91.2.6 LeNet-5 網絡 91.3 準備開發環境 101.3.1 Anaconda 環境搭建 101.3.2 安裝TensorFlow 1.x 111.3.3 FloydHub 使用介紹 131.3.4 AWS 使用介紹 181.4 本章小結 262 卷積神經網絡實踐：圖像分類272.1 概述 272.2 卷積神經網絡項目實踐：基於TensorFlow 1.x 272.2.1 數據預處理. 282.2.2 網絡模型 332.2.3 訓練網絡 392.3 卷積神經網絡項目實踐：基於TensorFlow 2.0 412.3.1 TensorFlow 2.0 介紹 412.3.2 CIFAR-100 分類網絡的TensorFlow 2.0 實現 442.4 本章小結. 603 和生成古詩613.1 概述 613.2 RNN 613.3 LSTM 633.4 嵌入矩陣. . 663.5 實現 693.5.1 數據預處理. 703.5.2 構建神經網絡. 713.5.3 訓練神經網絡 753.5.4 分析網絡訓練情況 833.5.5 生成預測號碼. 883.6 文本生成. 933.7 生成古詩：基於TensorFlow 2.0 963.7.1 數據預處理 963.7.2 構建網絡 993.7.3 開始訓練. 1023.7.4 生成古詩 1023.8 自然語言處理 1063.8.1 序列到序列 1063.8.2 Transformer . 1083.8.3 BERT 1123.9 本章小結 1184 個性化推薦繫統1194.1 概述 . 1194.2 MovieLens 1M 數據集分析. 1204.2.1 下載數據集 . 1204.2.2 用戶數據. 1204.2.3 電影數據. 1224.2.4 評分數據. 1234.3 數據預處理. 1234.3.1 代碼實現. . 1244.3.2 加載數據並保存到本地 . 1274.3.3 從本地讀取數據 1284.4 神經網絡模型設計 1284.5 文本卷積神經網絡 1304.6 實現電影推薦：基於TensorFlow 1.x 1314.6.1 構建計算圖 1314.6.2 訓練網絡 1394.6.3 實現個性化推薦 1444.7 實現電影推薦：基於TensorFlow 2.0 1544.7.1 構建模型 1544.7.2 訓練網絡 1664.7.3 實現個性化推薦 1664.8 本章小結 1695 廣告點擊率預估：Kaggle 實戰1705.1 概述 . 1705.2 下載數據集. . 1705.3 數據字段的含義 . 1715.4 點擊率預估的實現思路 1725.4.1 梯度提升決策樹. 1725.4.2 因子分解機. . 1725.4.3 場感知分解機 . 1745.4.4 網絡模型 1755.5 數據預處理. 1765.5.1 GBDT 的輸入數據處理. 1775.5.2 FFM 的輸入數據處理. 1775.5.3 DNN 的輸入數據處理 1795.5.4 數據預處理的實現. 1805.6 訓練FFM 1885.7 訓練GBDT . 1975.8 用LightGBM 的輸出生成FM 數據. 2035.9 訓練FM . 2075.10 實現點擊率預估：基於TensorFlow 1.x . 2185.10.1 構建神經網絡 2195.10.2 訓練網絡 . 2255.10.3 點擊率預估 . 2315.11 實現點擊率預估：基於TensorFlow 2.0 . 2375.12 本章小結 . 2456 人臉識別2466.1 概述. . . . 2466.2 人臉檢測. 2476.2.1 OpenCV 人臉檢測 . 2476.2.2 dlib 人臉檢測 2516.2.3 MTCNN 人臉檢測 2546.3 提取人臉特征. 2646.3.1 使用FaceNet 提取人臉特征 . 2646.3.2 使用VGG 網絡提取人臉特征 2656.3.3 使用dlib 提取人臉特征. 2726.4 人臉特征的比較. . 2766.5 從視頻中找人的實現. 2826.6 視頻找人的案例實踐. . 2846.7 人臉識別：基於TensorFlow 2.0 . . 3026.8 本章小結. . 3037 AlphaZero / AlphaGo 實踐：中國像棋3047.1 概述. . . 3047.2 論文解析 . . 3057.2.1 蒙特卡羅樹搜索算法. 3077.2.2 神經網絡. 3127.2.3 AlphaZero 論文解析. 3147.3 實現中國像棋：基於TensorFlow 1.x . 3177.3.1 中國像棋著法表示和FEN 格式. 3177.3.2 輸入特征的設計 3217.3.3 實現神經網絡. 3237.3.4 神經網絡訓練和預測. 3277.3.5 通過自我對弈訓練神經網絡 3307.3.6 自我對弈 3347.3.7 實現蒙特卡羅樹搜索：異步方式. 3407.3.8 訓練和運行 3537.4 實現中國像棋：基於TensorFlow 2.0，多GPU 版. 3547.5 本章小結 3648 漢字OCR 3658.1 概述. 3658.2 分類網絡實現漢字OCR 3658.2.1 圖片矯正 3668.2.2 文本切割. 3688.2.3 漢字分類網絡. 3698.3 端到端的漢字OCR：基於TensorFlow 1.x . 3718.3.1 CNN 設計 3728.3.2 雙向LSTM 設計. . 3748.3.3 CTC 損失 3858.3.4 端到端漢字OCR 的網絡訓練. 3888.4 漢字OCR：基於TensorFlow 2.0 3958.4.1 CNN 的實現. 3958.4.2 雙向LSTM 的實現. 3968.4.3 OCR 網絡的訓練. 4038.5 本章小結. 4069 強化學習：玩轉Flappy Bird 和超級馬裡奧4079.1 概述. 4079.2 DQN 算法. 4079.3 實現DQN 玩Flappy Bird：基於TensorFlow 1.x . 4129.4 實現DQN 玩Flappy Bird：基於TensorFlow 2.0 . 4179.5 使用OpenAI Baselines 玩超級馬裡奧. . 4249.5.1 Gym . 4249.5.2 自定義Gym 環境. . 4269.5.3 使用Baselines 訓練. . 4319.5.4 使用訓練好的智能體玩遊戲. . 4379.5.5 開始訓練馬裡奧遊戲智能體. . 4389.6 具有好奇心的強化學習算法. 4439.7 本章小結. . 44410 生成對抗網絡實踐：人臉生成44510.1 概述 . 44510.2 GAN . 44610.3 DCGAN  . 44710.3.1 生成器.   . 44810.3.2 判別器.   44910.4 WGAN    44910.5 WGAN-GP .   45110.5.1 WGAN-GP 算法.    45110.5.2 訓練WGAN-GP 生成人臉：基於TensorFlow 1.x .   45210.5.3 訓練WGAN-GP 生成人臉：基於TensorFlow 2.0 .   . 46210.6 PG-GAN 和TL-GAN .  . 46910.7 本章小結.   . 473

本書通過案例講解如何使用TensorFlow 解決深度學習的實際任務， 每章都包含TensorFlow 1.x 和2.0 的代碼實現。全書共分10 章，主要講解卷積神經網絡、LSTM、Seq2Seq、Transformer、BERT、文本卷積、GBDT、FM、FFM、Dlib、MTCNN、VGG、AlphaGo / AlphaZero、BiLSTM、DQN、Gym、GAN 等技術，包含的項目有CIFAR-100 圖像分類、 、古詩生成、推薦繫統、廣告點擊率預測、人臉識別、中國像棋、漢字OCR、FlappyBird 和超級馬裡奧、人臉生成。

程世東 著

"前言在過去的幾年中，人工智能和深度學習是一個不斷被提及的話題，最令大眾熟知的恐怕就是AlphaGo 與柯潔、李世乭的圍棋大戰了。而最近，人工智能OpenAI Five 在DOTA 2 的比賽中擊敗了世界冠軍OG，人工智能的發展總會給人帶來驚喜。除了上述“大事件”，人工智能和深度學習早就深入我們的生活當中，比如無人駕駛汽車、人臉識別，或者訂外賣時App 給我們做的推薦。在經歷了互聯網、移動互聯網的浪潮之後，可以說現在我們已經步入了人工智能的時代。我第一次接觸機器學習和深度學習時就被深深地吸引了，感覺自己就像一塊海綿被投入到大海裡，看書、看視頻、看源碼，學習新的知識使我感到非常興奮。相信此刻的你也跟當年學習的我的狀態是一樣的吧，本書將我對深度學習的理解、從開源社區學到的知識分享給大家，希望能為你的學習提供一些幫助。本書以案例的形式，講解各種深度學習理論等