Tensorflow+PyTorch深度学习从算法到实战

绪论程序员为什么要学习机器学习

0.1工业革命级的技术红利

0.2中美两国为机器学习作背书

0.3从编程思维向数据思维的进化

第1章30分钟环境搭建速成

1.1使用Anaconda搭建开发环境

1.2使用Python自带的开发环境

1.3从源代码搭建开发环境

第2章深度学习5-4-6速成法

2.1计算图模型与计算框架

2.2五步法构造基本模型

2.3案例教程

2.45-4-6速成法学习PyTorch

2.55-4-6速成法学习TensorFlow

2.6在TensorFlow中使用Keras

2.7本章小结

第3章张量与计算图

3.10维张量：标量

3.2计算图与流程控制

3.3变量

第4章向量与矩阵

4.11维张量：向量

4.22维张量：矩阵

4.3n维：张量

第5章高级矩阵编程

5.1范数及其实现

5.2迹运算

5.3矩阵分解

第6章优化方法

6.1梯度下降的基本原理

6.2高维条件下的梯度下降

6.3PyTorch和TensorFlow中的梯度计算

6.4梯度下降案例教程

6.5优化方法进阶

第7章深度学习基础

7.1从回归到分类

7.2深度学习简史

第8章基础网络结构：卷积网络

8.1卷积的原理与计算

8.2池化层

8.3激活函数

8.4AlexNet

第9章卷积网络图像处理进阶

9.1小卷积核改进VGGNet

9.2GoogLeNet

9.3残差网络

9.4目标检测

9.5人脸识别

第10章基础网络结构：循环神经网络

10.1循环神经网络原理

10.2实用循环神经网络：LSTM

10.3LSTM案例教程

10.4实用循环神经网络：GRU

10.5双向循环神经网络

10.6将隐藏状态串联起来

第11章RNN在自然语言处理中的应用

11.1文本编码：从独热编码到词向量

11.2Char-RNN算法

11.3Char-RNN的训练

11.4Char-RNN的预测推理

11.5Char-RNN完整模型

第12章用JavaScript进行TensorFlow编程

12.1TensorFlow.js的简介和安装

12.2TensorFlow.js的张量操作

12.3TensorFlow.js的常用运算

12.4激活函数

12.5TensorFlow.js变量

12.6TensorFlow.js神经网络编程

12.7TensorFlow.js实现完整模型

12.8TensorFlow.js的后端接口

第13章高级编程

13.1GPU加速

13.2生成对抗网络

13.3Attention机制

13.4多任务学习

第14章超越深度学习

14.1自动机器学习AutoML

14.2Autokeras

14.3WindowsSubsystemforLinux

14.4强化学习

14.5强化学习编程

14.6下一步的学习方法