TENSORFLOW深度学习实战大全

（1）从零开始：深度学习初学者，甚至对人工智能毫无了解的人，阅读本书能够鸟瞰人工智能与深度学习的全景，理解深度学习的原理和关键点，掌握深度学习的发展历程与脉络。（2）主线清晰：以“更深的网络带来更高的准确率”的信念贯穿全书、纵览全局；以代表人类在计算机视觉领域很高水平的ImageNet挑战赛为线索，以是否夺冠为准绳，直击深度学习的“要害”。（3）代码翔实：除了构建各种模型的代码之外，还花费了大量的精力，为代码增加注释，阐述作者的编程思路、方法、关键点及注意事项，让读者能够知其然，还能知其所以然。（4）内容全面：囊括图像识别、卷积神经网络、残差神经网络、对抗神经网络等内容。

    不知不觉，人工智能已经走入我们的生活，尤其是图像识别、文本识别、语音识别、自然语言等技术。这些应用的核心技术就是深度学习，也正是本书的核心内容。    《TensorFlow深度学习实战大全》以TensorFlow为核心，分为3篇，共计15章节。篇是基础篇（~5章），主要介绍什么是深度学习、深度学习的本质是什么、深度学习所使用的教材和方法，以及深度学习在图像识别（MNIST）领域的应用。第2篇是发展演变篇（第6~14章），主要介绍在图像识别领域深度学习技术的发展与演变。主要是以ImageNet挑战赛为线索、以ImageNet挑战赛中的优选模型为主干，介绍了卷积神经网络的发展历程、遇到的主要挑战、思路和对策，以及各种优选模型的模型架构与模型训练。第3篇是前沿篇（5章），介绍了生成对抗神经网络（GAN），它是一种能够自动生成图像的神经网络，这是与之前介绍的各种用于图像识别的卷积神经网络很显著的区别。    本书讲解细致、深入浅出，即使没有机器学习的基础，也能快速学会，同时适合任何对深度学习技术或人工智能相关领域感兴趣的从业人员学习使用。

    李明军，毕业于华北理工大学，目前就职于Teradata公司（天睿公司，美国前十大上市软件公司之一），是一个在信息和通信技术ICT（(Information and Communication Technology) ）行业工作了16年的IT老兵，公司研发部技术总监，有十多年开发经验，擅长大数据分析、数据仓库、人工智能和数据治理等。

篇 基础篇章 深度学习基础1.1  人工智能与机器学习11.2  机器是怎样学习的31.3  机器学习实战61.4  机器学习的教材101.5  机器学习的分类111.6  本章小结15第2章 深度学习原理2.1  什么是深度学习172.2  为什么需要深度学习172.3  深层神经网络212.4  深层神经网络训练242.5  深层神经网络优化352.6  本章小结40第3章 TensorFlow安装3.1  在macOS上安装TensorFlow413.2  在Windows上安装TensorFlow493.3  在Ubuntu上安装TensorFlow523.4  本章小结64第4章 TensorFlow入门4.1  TensorFlow编程环境654.2  TensorFlow运行机制664.3  数据类型—张量784.4  数据操作864.5  使用Estimator开发1124.6  使用LinearEstimator的示例1264.7  本章小结136第5章 手写数字识别5.1  MNIST数据集简介1375.2  手写数字识别示例1435.3  手写数字识别优化1525.4  寻找最优模型1655.5  本章小结176第2篇 发展演变篇第6章 图像识别6.1  CIFAR数据集简介1786.2  ImageNet数据集简介1806.3  图像识别的关键及特点1826.4  卷积神经网络原理1846.5  卷积神经网络构建1886.6  卷积神经网络示例1966.7  本章小结208第7章 卷积神经网络起源及原理7.1  多层架构2097.2  卷积神经网络2107.3  Neocognitron2107.4  LeNet简介2117.5  本章小结212第8章 AlexNet8.1  网络架构2138.2  主要特点2148.3  后续影响2198.4  本章小结219第9章 VGGNet9.1  网络架构2219.2  主要特点2239.3  其他技巧和贡献2249.4  本章小结2280章 Inception10.1  Inception名称由来22910.2  背景问题分析22910.3  架构设计思路23010.4  网络架构23210.5  Inception实战23610.6  本章小结2781章 Inception v2 和Inception v311.1  指导原则27911.2  具体措施28011.3  卷积分解28011.4  并行池化28211.5  旁路分类器28411.6  批量标准化28411.7  低分辨率输入的性能28711.8  其他技巧28811.9  网络架构28811.10  后续影响29011.11  Inception v2实战29111.12  Inception v3实战30111.13  本章小结3202章 ResNet12.1  退化问题32112.2  原因分析32212.3  残差模块32212.4  降采样残差模块32312.5  网络架构32412.6  ResNet实战32612.7  主要优点33412.8  本章小结3343章 Inception v413.1  Inception v4网络架构33513.2  Inception-ResNet模块33613.3  Inception-ResNet网络架构33713.4  主要贡献33813.5  本章小结3384章 DenseNet14.1  DenseNet网络33914.2  网络架构34014.3  实现方法34414.4  主要优点34614.5  DenseNet实战34714.6  本章小结354第3篇 前沿篇5章 生成对抗神经网络15.1  生成对抗神经网络简介35615.2  生成对抗神经网络实现35815.3  生成对抗神经网络实战36115.4  本章小结376