目录
第1章深度学习环境搭建1
1.1深度学习典型应用1
1.1.1计算机视觉1
1.1.2自然语言处理3
1.1.3强化学习3
1.2Anaconda使用简介4
1.2.1Anaconda的特点4
1.2.2Anaconda的下载及安装4
1.2.3Python库的导入与添加5
1.2.4conda命令简介7
1.3TensorFlow使用简介7
1.3.1TensorFlow的特点8
1.3.2CPU版TensorFlow环境搭建与调用8
1.3.3GPU版TensorFlow环境搭建与调用9
1.4Jupyter Notebook使用简介15
1.4.1安装Jupyter Notebook15
1.4.2运行Jupyter Notebook15
第2章基本流程——数据处理与模型加载17
2.1使用特征列队结构化数据进行分类: 预测心脏病17
2.1.1背景原理17
2.1.2安装操作18
2.1.3代码解析19
2.1.4训练测试23
2.2回归方法: 预测燃油效率24
2.2.1背景原理24
2.2.2安装操作24
2.2.3代码解析24
2.2.4训练测试29
2.3过拟合与欠拟合: 不同模型选择对结果的影响33
2.3.1背景原理33
2.3.2安装操作34
2.3.3代码解析34
2.3.4训练测试39
2.4保存与加载预训练模型42
2.4.1背景原理42
2.4.2安装操作42
2.4.3代码解析43
2.4.4训练测试47
实战深度学习高阶——运用TensorFlow目录
第3章图像处理: 增广与分类49
3.1数据增广之图像变换实战49
3.1.1背景原理49
3.1.2安装操作49
3.1.3代码解析50
3.1.4训练测试56
3.2在CIFAR10上应用VGGNet实现图像分类60
3.2.1背景原理60
3.2.2安装操作60
3.2.3代码解析61
3.2.4训练测试62
3.3图像识别之猫狗分类63
3.3.1背景原理63
3.3.2安装操作63
3.3.3代码解析64
3.3.4训练测试65
第4章图像增强识别实战67
4.1应用高阶神经网络提高图像分辨率67
4.1.1背景原理67
4.1.2安装操作67
4.1.3代码解析68
4.1.4训练测试70
4.2长短期记忆机器人识别色彩72
4.2.1背景原理72
4.2.2安装操作72
4.2.3代码解析73
4.2.4训练测试75
4.3使用注意力机制给图像取标题75
4.3.1背景原理75
4.3.2安装操作76
4.3.3代码解析76
4.3.4训练测试82
第5章两阶段目标检测实战86
5.1基于RPN实现目标检测86
5.1.1背景原理86
5.1.2安装操作87
5.1.3代码解析88
5.1.4训练测试92
5.2应用MTCNN实现人脸目标检测92
5.2.1背景原理92
5.2.2安装操作93
5.2.3代码解析93
5.2.4训练测试95
第6章单阶段目标检测97
6.1应用单阶段完成目标检测之YOLOv497
6.1.1背景原理97
6.1.2安装操作98
6.1.3代码解析98
6.1.4训练测试101
6.2应用锚定框完成目标检测之SSD102
6.2.1背景原理102
6.2.2安装操作103
6.2.3代码解析103
6.2.4训练测试111
6.3基于视频流目标检测之DarkFlow114
6.3.1背景原理115
6.3.2安装操作115
6.3.3代码解析116
6.3.4训练测试118
6.4基于ResNet实现目标检测121
6.4.1背景原理122
6.4.2安装操作122
6.4.3代码解析124
6.4.4训练测试128
第7章实战文本识别和图像生成129
7.1应用卷积神经网络识别手写体文本129
7.1.1背景原理129
7.1.2安装操作130
7.1.3代码解析131
7.1.4训练测试132
7.2应用自动编码器识别手写体文本133
7.2.1背景原理133
7.2.2安装操作133
7.2.3代码解析134
7.2.4训练测试136
7.3应用变分自动编码器重建服饰136
7.3.1背景原理136
7.3.2安装操作137
7.3.3代码解析137
7.3.4训练测试140
第8章词汇与音乐的星空——机器创作141
8.1创作钢琴曲之Music Transformer141
8.1.1背景原理141
8.1.2安装操作142
8.1.3代码解析144
8.1.4训练测试147
8.2应用循环神经网络创作歌词147
8.2.1背景原理147
8.2.2安装操作148
8.2.3代码解析148
8.2.4训练测试153
8.3应用门控循环单元创作歌词154
8.3.1背景原理154
8.3.2安装操作156
8.3.3代码解析156
8.3.4训练测试158
8.4应用长短期记忆创作歌词159
8.4.1背景原理159
8.4.2安装操作161
8.4.3代码解析161
8.4.4训练测试162
8.5应用文本生成器创作古诗163
8.5.1背景原理164
8.5.2安装操作164
8.5.3代码解析165
8.5.4训练测试168
第9章情感分类、翻译、对话172
9.1使用双向循环神经网络对电影评论情感分类172
9.1.1背景原理172
9.1.2安装操作173
9.1.3代码解析173
9.1.4训练测试175
9.2应用词嵌入计算文本相关性175
9.2.1背景原理176
9.2.2安装操作176
9.2.3代码解析176
9.2.4训练测试184
9.3中英翻译机器人185
9.3.1背景原理185
9.3.2安装操作186
9.3.3代码解析186
9.3.4训练测试192
9.4基于Seq2Seq中文聊天机器人实战192
9.4.1背景原理192
9.4.2安装操作193
9.4.3代码解析193
9.4.4训练测试197
第10章GAN及其变体的创作199
10.1GAN的原理与实战199
10.1.1背景原理199
10.1.2安装操作199
10.1.3代码解析201
10.1.4训练测试206
10.2应用生成对抗网络Pix2Pix模仿欧式建筑风格207
10.2.1背景原理207
10.2.2安装操作207
10.2.3代码解析208
10.2.4训练测试212
10.3应用循环对抗网络CycleGAN完成相似动物转换212
10.3.1背景原理212
10.3.2安装操作213
10.3.3代码解析213
10.3.4训练测试216
10.4WGANGP人脸生成实战217
10.4.1背景原理217
10.4.2安装操作218
10.4.3代码解析219
10.4.4训练测试225
第11章强化学习与迁移学习226
11.1强化学习之玩转Flappy Bird226
11.1.1背景原理226
11.1.2安装操作227
11.1.3代码解析227
11.1.4训练测试232
11.2使用TensorFlow Hub实现迁移学习预测影评分类232
11.2.1背景原理232
11.2.2安装操作233
11.2.3代码解析233
11.2.4训练测试236
11.3使用预训练的卷积神经网络绘制油画236
11.3.1背景原理236
11.3.2安装操作237
11.3.3代码解析237
11.3.4训练测试244
结语248
参考文献250
