21个项目玩转深度学习：基于TensorFlow的实践详解
出版时间：2018
《21个项目玩转深度学习——基于TensorFlow的实践详解》以实践为导向，深入介绍了深度学习技术和TensorFlow框架编程内容。 通过本书，读者可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用，还可以使用神经网络生成图像和文本，进行时间序列预测、搭建机器翻译引擎，训练机器玩游戏。全书共包含21个项目，分为深度卷积网络、RNN网络、深度强化学习三部分。读者可以在自己动手实践的过程中找到学习的乐趣，了解算法和编程框架的细节，让学习深度学习算法和TensorFlow的过程变得轻松和高效。本书代码基于TensorFlow 1.4及以上版本，并介绍了TensorFlow中的一些新特性。本书适合有一定机器学习基础的学生、研究者或从业者阅读，尤其是希望深入研究TensorFlow和深度学习算法的数据工程师，也适合对人工智能、深度学习感兴趣的在校学生，以及希望进入大数据应用的研究者。
目录
- 第1章MNIST机器学习入门1
- 1.1MNIST数据集2
- 1.1.1简介2
- 1.1.2实验：将MNIST数据集保存为图片5
- 1.1.3图像标签的独热(one-hot)表示6
- 1.2利用TensorFlow识别MNIST8
- 1.2.1Softmax回归8
- 1.2.2两层卷积网络分类14
- 1.3总结18
- 第2章CIFAR-10与ImageNet图像识别19
- 2.1CIFAR-10数据集20
- 2.1.1CIFAR-10简介20
- 2.1.2下载CIFAR-10数据21
- 2.1.3TensorFlow的数据读取机制23
- 2.1.4实验：将CIFAR-10数据集保存为图片形式30
- 2.2利用TensorFlow训练CIFAR-10识别模型34
- 2.2.1数据增强（DataAugmentation）34
- 2.2.2CIFAR-10识别模型36
- 2.2.3训练模型39
- 2.2.4在TensorFlow中查看训练进度39
- 2.2.5测试模型效果42
- 2.3ImageNet图像识别模型44
- 2.3.1ImageNet数据集简介44
- 2.3.2历代ImageNet图像识别模型45
- 2.4总结49
- 第3章打造自己的图像识别模型50
- 3.1微调（Fine-tune）的原理51
- 3.2数据准备52
- 3.3使用TensorFlowSlim微调模型56
- 3.3.1下载TensorFlowSlim的源代码56
- 3.3.2定义新的datasets文件57
- 3.3.3准备训练文件夹59
- 3.3.4开始训练60
- 3.3.5训练程序行为62
- 3.3.6验证模型正确率63
- 3.3.7TensorBoard可视化与超参数选择64
- 3.3.8导出模型并对单张图片进行识别65
- 3.4总结69
- 第4章DeepDream模型70
- 4.1DeepDream的技术原理71
- 4.2TensorFlow中的DeepDream模型实践73
- 4.2.1导入Inception模型73
- 4.2.2生成原始的DeepDream图像76
- 4.2.3生成更大尺寸的DeepDream图像78
- 4.2.4生成更高质量的DeepDream图像82
- 4.2.5最终的DeepDream模型87
-
4.3总结90
