TensorFlow深度学习实战

译者序
前言
作者简介
审校者简介
第1章　TensorFlow简介 1
1.1　引言 1
1.2　TensorFlow安装 2
1.3　Hello world 6
1.4　理解TensorFlow程序结构 8
1.5　常量、变量和占位符 10
1.6　使用TensorFlow 执行矩阵操作 15
1.7　使用数据流图 17
1.8　从0.x迁移到1.x 18
1.9　使用XLA提升运算性能 19
1.10　调用CPU/GPU设备 21
1.11　TensorFlow与深度学习 24
1.12　DNN问题需要的Python包 28
第2章　回归 30
2.1　引言 30
2.2　选择损失函数 31
2.3　TensorFlow中的优化器 33
2.4　读取CSV文件和数据预处理 36
2.5　房价估计——简单线性回归 39
2.6　房价估计——多元线性回归 42
2.7　MNIST数据集的逻辑回归 45
第3章　神经网络——感知机 50
3.1　引言 50
3.2　激活函数 52
3.3　单层感知机 58
3.4　计算反向传播算法的梯度 60
3.5　使用MLP实现MNIST分类器 63
3.6　使用MLP逼近函数来预测波士顿房价 66
3.7　调整超参数 71
3.8　高级API——Keras 72
第4章　卷积神经网络 75
4.1　引言 75
4.2　创建一个ConvNet来分类手写MNIST数字 79
4.3　创建一个ConvNet来分类CIFAR-10数据集 84
4.4　用VGG19做风格迁移的图像重绘 87
4.5　使用预训练的VGG16网络进行迁移学习 96
4.6　创建DeepDream网络 100
第5章　高级卷积神经网络 105
5.1　引言 105
5.2　为情感分析创建一个ConvNet 106
5.3　检验VGG预建网络学到的滤波器 109
5.4　使用 VGGNet、ResNet、Inception和Xception分类图像 113
5.5　重新利用预建深度学习模型进行特征提取 125
5.6　用于迁移学习的深层InceptionV3网络 126
5.7　使用扩张ConvNet、WaveNet和 NSynth生成音乐 129
5.8　关于图像的问答 134
5.9　利用预训练网络进行视频分类的6种方法 140
第6章　循环神经网络 144
6.1　引言 144
6.2　神经机器翻译——seq2seq RNN训练 150
6.3　神经机器翻译——seq2seq RNN推理 156
6.4　你所需要的是注意力—另一个seq2seq RNN例子 157
6.5　使用RNN像莎士比亚一样写作 161
6.6　基于RNN学习预测比特币价格 165
6.7　多对一和多对多的RNN例子 174
第7章　无监督学习 176
7.1　引言 176
7.2　主成分分析 176
7.3　k均值聚类 181
7.4　自组织映射 186
7.5　受限玻尔兹曼机 191
7.6　基于RBM的推荐系统 196
7.7　用DBN进行情绪检测 198
第8章　自动编码机 205
8.1　引言 205
8.2　标准自动编码机 207
8.3　稀疏自动编码机 212
8.4　去噪自动编码机 217
8.5　卷积自动编码机 221
8.6　堆叠自动编码机 225
第9章　强化学习 231
9.1　引言 231
9.2　学习OpenAI Gym 232
9.3　用神经网络智能体玩Pac-Man游戏 235
9.4　用Q learning玩Cart-Pole平衡游戏 238
9.5　用DQN玩Atari游戏 244
9.6　用策略梯度网络玩Pong游戏 252
第10章　移动端计算 259
10.1　引言 259
10.2　安装适用于macOS和Android的TensorFlow mobile 260
10.3　玩转TensorFlow和Android的示例 265
10.4　安装适用于macOS和iPhone的TensorFlow mobile 268
10.5　为移动设备优化TensorFlow计算图 271
10.6　为移动设备分析TensorFlow计算图 273
10.7　为移动设备转换TensorFlow计算图 275
第11章　生成式模型和CapsNet 278
11.1　引言 278
11.2　学习使用简单GAN虚构MNIST图像 284
11.3　学习使用DCGAN虚构MNIST图像 289
11.4　学习使用DCGAN虚构名人面孔和其他数据集 294
11.5　实现变分自动编码机 297
11.6　学习使用胶囊网络击败MNIST前期的最新成果 305
第12章　分布式TensorFlow和云深度学习 319
12.1　引言 319
12.2　在GPU上使用TensorFlow 322
12.3　玩转分布式TensorFlow：多个GPU和一个CPU 323
12.4　玩转分布式TensorFlow：多服务器 324
12.5　训练分布式TensorFlow MNIST分类器 326
12.6　基于Docker使用TensorFlow Serving 328
12.7　使用计算引擎在谷歌云平台上运行分布式TensorFlow 330
12.8　在谷歌CloudML上运行分布式TensorFlow 333
12.9　在Microsoft Azure上运行分布式TensorFlow 334
12.10　在Amazon AWS上运行分布式TensorFlow 337
附录A　利用AutoML学会学习（元学习） 342
附录B　TensorFlow处理器 350