TensorFlow深度学习实战大全

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。

本书以TensorFlow为核心，分为3篇，共计15章节。第1篇是基础篇（第1~5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挑战赛中的冠军模型为主干，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，以及各种冠军模型的模型架构与模型训练。第3篇是前沿篇（第15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zui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，曾就职于亿阳信通、神州泰岳、中国惠普等公司。从事大数据分析、人工智能等相关领域的工作。在知乎上发表过多篇技术文章，对大数据分析、人工智能、数据治理有着丰富的经验。

（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。

第1篇 基础篇

第1章 深度学习基础

1.1　人工智能与机器学习 1

1.2　机器是怎样学习的3

1.3　机器学习实战6

1.4　机器学习的教材10

1.5　机器学习的分类11

1.6　本章小结 15

第2章 深度学习原理

2.1　什么是深度学习17

2.2　为什么需要深度学习 17

2.3　深层神经网络21

2.4　深层神经网络训练24

2.5　深层神经网络优化35

2.6　本章小结40

第3章 TensorFlow安装

3.1　在macOS上安装TensorFlow41

3.2　在Windows上安装TensorFlow49

3.3　在Ubuntu上安装TensorFlow52

3.4　本章小结64

第4章 TensorFlow入门

4.1　TensorFlow编程环境65

4.2　TensorFlow运行机制66

4.3　数据类型—张量78

4.4　数据操作86

4.5　使用Estimator开发112

4.6　使用LinearEstimator的示例. 126

4.7　本章小结136

第5章 手写数字识别

5.1　MNIST数据集简介137

5.2　手写数字识别示例143

5.3　手写数字识别优化152

5.4　寻找最优模型165

5.5　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178

6.2　ImageNet数据集简介180

6.3　图像识别的关键及特点. 182

6.4　卷积神经网络原理184

6.5　卷积神经网络构建 188

6.6　卷积神经网络示例 196

6.7　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 209

7.2　卷积神经网络. 210

7.3　Neocognitron210

7.4　LeNet简介211

7.5　本章小结 212

第8章 AlexNet

8.1　网络架构213

8.2　主要特点214

8.3　后续影响 219

8.4　本章小结 219

第9章 VGGNet

9.1　网络架构.. 221

9.2　主要特点.. 223

9.3　其他技巧和贡献224

9.4　本章小结 228

第10章 Inception

10.1　Inception名称由来229

10.2　背景问题分析229

10.3　架构设计思路230

10.4　网络架构 232

10.5　Inception实战236

10.6　本章小结 278

第11章 Inception v2 和Inception v3

11.1　指导原则 279

11.2　具体措施 280

11.3　卷积分解 280

11.4　并行池化 282

11.5　旁路分类器 284

11.6　批量标准化 284

11.7　低分辨率输入的性能 287

11.8　其他技巧 288

11.9　网络架构 288

11.10　后续影响 290

11.11　Inception v2实战291

11.12　Inception v3实战301

11.13　本章小结320

第12章 ResNet

12.1　退化问题 321

12.2　原因分析 322

12.3　残差模块 322

12.4　降采样残差模块323

12.5　网络架构 324

12.6　ResNet实战. 326

12.7　主要优点 334

12.8　本章小结 334

第13章 Inception v4

13.1　Inception v4网络架构 335

13.2　Inception-ResNet模块336

13.3　Inception-ResNet网络架构337

13.4　主要贡献 338

13.5　本章小结 338

第14章 DenseNet

14.1　DenseNet网络339

14.2　网络架构 340

14.3　实现方法 344

14.4　主要优点 346

14.5　DenseNet实战347

14.6　本章小结 354

第3篇 前沿篇

第15章 生成对抗神经网络

15.1　生成对抗神经网络简介356

15.2　生成对抗神经网络实现358

15.3　生成对抗神经网络实战361

15.4　本章小结 376