零起点TensorFlow快速入门

零起点TensorFlow快速入门
出版时间：2017
内容简介
　　TensorFlow是近年来影响较大的神经网络和深度学习平台，《零起点TensorFlow快速入门》以生动活泼的语言，从入门者的角度，对TensorFlow进行介绍，书中包含大量简单风趣的实际案例，如孤独的神经元、梵高画风等，让广大初学者快速掌握神经网络的基本编程，为进一步学习人工智能奠定扎实的基础。
目录
第1章 不朽的梵高 1
1.1 星夜传奇 1
1.2 TensorFlow简介 3
案例1-1：星夜传奇实战编程 5
案例1-2：星夜传奇批量编程 11
1.3 十万次迭代 14
1.4 黑箱大法 16
1.5 超级KISS法则与大智若愚 17
第2章 TensorFlow安装 22
2.1 目录结构 22
2.2 化繁为简 23
2.3 CPU版本安装 25
2.4 GPU版本安装 25
案例2-1：GPU开发环境测试 28
第3章 可视化AI图表 33
3.1 TensorBoard可视化工具 33
案例3-1：hello，爱丽丝 34
3.1.1 TensorBoard主界面 36
3.1.2 快速启动脚本 38
3.2 加法器 41
案例3-2：加法器的算法结构图 41
案例3-3：加法器的变化版本 43
案例3-4：乘法器的算法结构图 44
第4章 快速入门 47
4.1 你好，神经网络 47
案例4-1：字符串表达式 47
案例4-2：hello，TensorFlow 48
4.2 图运算与Session 49
案例4-3：缺省图运算 49
案例4-4：可视化Session 52
4.3 常量、变量与占位符 56
案例4-5：常量加法 57
案例4-6：加法与占位符 58
案例4-7：加法与变量 59
4.4 TensorFlow常用数值运算 62
第5章 TensorFlow总览 63
5.1 TensorFlow产业链关系图 65
5.2 TensorFlow模块列表 66
5.2.1 源码目录结构 66
案例5-1：内置模块列表 68
5.2.2 模块结构图 70
5.2.3 API抽象接口示意图 71
5.2.4 神经网络三大模块 71
5.3 数据类型 72
5.4 TensorFlow常用术语 73
5.5 TensorFlow简化接口 77
第6章 基础知识 79
6.1 数据流图 79
6.2 设备切换Device 81
6.3 三大数据类型 82
案例6-1：变量操作 86
6.4 Feed数据提交 89
案例6-2：Feed提交数据 90
案例6-3：批量Feed提交数据 92
案例6-4：批量Feed提交多维数据 92
6.5 Fetch获取数据 93
案例6-5：Fetch获取数据 93
案例6-6：Fetch获取多维数组 95
案例6-7：会话Session 97
6.6 批尺寸Batch_Size 99
第7章 孤独的神经元 101
7.1 神经元模型 101
案例7-1：单细胞算法 102
7.2 可视化分析 107
案例7-2：单细胞算法优化版 108
第8章 归来吧，数据 112
8.1 分类——机器学习的核心 112
8.2 万物皆回归 112
案例8-1：传统机器学习 114
案例8-2：TensorFlow线性回归模型 117
8.3 模型管理 124
案例8-3：TensorFlow模型保存 125
案例8-4：TensorFlow模型读取 126
第9章 Pkmital入门案例套餐（上） 128
9.1 Halcon简介 128
9.2 帕拉格?库马尔案例合集简介 129
9.3 Pkmital案例集合详解 131
9.4 TensorFlow基础 132
案例9-1：TensorFlow基础权重设置和图形计算 132
案例9-2：图像的卷积计算 140
9.5 回归算法 145
案例9-3：线性回归 145
案例9-4：线性回归修正版 150
9.6 多项式回归 151
案例9-5：多项式回归 151
案例9-6：多项式回归修正版 153
9.7 逻辑回归模型 154
案例9-7：逻辑回归模型 154
9.8 CNN卷积神经网络算法 159
案例9-8：CNN卷积神经网络 159
第10章 Pkmital入门案例套餐（下） 165
10.1 自编码算法 165
案例10-1：自编码算法 165
10.2 dAE降噪自编码算法 170
案例10-2：dAE降噪自编码算法 170
10.3 CAE卷积编码算法 177
案例10-3：CAE卷积编码算法 177
10.4 DRN深度残差网络 183
案例10-4：DRN深度残差网络 183
10.5 VAE变分自编码算法 189
案例10-5：VAE变分自编码算法 189
10.6 TDV联合矩阵模型 199
第11章 TensorFlow内置案例分析 201
11.1 预备知识 202
11.2 Mnist手写数字识别 211
案例11-1：Mnist初级案例 211
案例11-2：Mnist专业版本 215
11.3 FFNNs前馈神经网络模型 224
案例11-3：FFNNs前馈神经网络模型 224
第12章 TensorLayer案例分析 234
12.1 手写识别算法 234
案例12-1：Mnist手写识别 234
12.2 Mnist神经网络模型合集 242
案例12-2：Dropout网络模型 243
案例12-3：DropConnect网络模型 253
案例12-4：dAE降噪自编码算法1 257
案例12-5：dAE降噪自编码算法2 260
案例12-6：CNN卷积神经网络算法 263
第13章 TFLearn案例分析 267
13.1 生存游戏 268
13.1.1 泰坦尼克数据集 268
13.1.2 Kaggle机器学习公开赛 269
案例13-1：泰坦尼克号生存与死亡 270
13.2 线性回归 274
案例13-2：线性回归模型 275
13.3 模型管理 278
案例13-3：保存读取模型数据 278
13.4 超智能体 283
案例13-4：超智能体：NOT取反运算 284
案例13-5：超智能体：OR或运算 286
案例13-6：超智能体：AND（与）运算 288
案例13-7：超智能体：XOR（异或）运算 289
13.5 CNN卷积神经网络算法 292
案例13-8：CNN卷积神经网络算法 292
第14章 Keras案例分析 297
14.1 Keras模型 298
14.2 Keras使用流程 299
14.3 Keras常用模块 300
14.4 Keras模型可视化 301
案例14-1：MLP多层神经网络 303
案例14-2：CNN卷积神经网络 309
案例14-3：IRNN修正循环神经网络 316
案例14-4：HRNN分层循环神经网络 322
第15章 TensorFlow常用运行模式 327
15.1 深度学习三大要素 327
15.2 神经网络基本结构 328
15.3 基本神经元层 329
15.4 神经网络通用流程 335
15.5 Loss损失函数 338
15.6 TensorFlow常用优化算法 340