更新时间：2020-07-23 18:28:42
封面
版权信息
译者序
前言
作者简介
审校者简介
第一部分 神经网络基础
第1章 什么是机器学习
1.1 数据集的重要性
1.2 有监督学习
1.3 无监督学习
1.4 半监督学习
1.5 总结
1.6 练习题
第2章 神经网络与深度学习
2.1 神经网络
2.2 优化
2.3 卷积神经网络
2.4 正则化
2.5 总结
2.6 练习题
第二部分 TensorFlow基础
第3章 TensorFlow图架构
3.1 环境设置
3.2 数据流图
3.3 模型定义和训练
3.4 用Python操作图
3.5 总结
3.6 练习题
第4章 TensorFlow 2.0架构
4.1 重新学习这个框架
4.2 Keras框架及其模型
4.3 eager执行模式和新的特征
4.4 代码库迁移
4.5 总结
4.6 练习题
第5章 高效的数据输入流水线和估计器API
5.1 高效的数据输入流水线
5.2 估计器API
5.3 总结
5.4 练习题
第三部分 神经网络应用
第6章 使用TensorFlow Hub进行图像分类
6.1 获取数据
6.2 迁移学习
6.3 微调
6.4 总结
6.5 练习题
第7章 目标检测
7.1 获取数据
7.2 目标定位
7.3 分类和定位
7.4 总结
7.5 练习题
第8章 语义分割和自定义数据集生成器
8.1 语义分割
8.2 创建一个TensorFlow数据集生成器
8.3 模型训练与评估
8.4 总结
8.5 练习题
第9章 生成式对抗网络
9.1 了解GAN及其应用
9.2 无条件的GAN
9.3 有条件的GAN
9.4 总结
9.5 练习题
第10章 在生产环境中部署模型
10.1 SavedModel序列化格式
10.2 Python部署
10.3 支持部署的平台
10.4 总结
10.5 练习题
