TensorFlow深度学习深入理解人工智能算法设计从零开始学人工智能算法原理书tens

第1章人工智能绪论

1.1人工智能简介

1.1.1人工智能

1.1.2机器学习

1.1.3神经网络与深度学习

1.2神经网络发展简史

1.2.1浅层神经网络

1.2.2深度学习

1.3深度学习特点

1.3.1数据量

1.3.2计算力

1.3.3网络规模

1.3.4通用智能

1.4深度学习应用

1.4.1计算机视觉

1.4.2自然语言处理

1.4.3强化学习

1.5深度学习框架

1.5.1主流框架

1.5.2TensorFlow 2与TensorFlow 1.x

1.5.3功能演示

1.6开发环境安装

1.6.1Anaconda安装

1.6.2CUDA安装

1.6.3TensorFlow安装

1.6.4常用编辑器安装

参考文献

第2章回归问题

2.1神经元模型

2.2优化方法

2.3线性模型实战

2.4线性回归

参考文献

第3章分类问题

3.1手写数字图片数据集

3.2模型构建

3.3误差计算

3.4真的解决了吗

3.5非线性模型

3.6表达能力

3.7优化方法

3.8手写数字图片识别体验

3.8.1网络搭建

3.8.2模型训练

参考文献

第4章TensorFlow基础

4.1数据类型

4.1.1数值类型

4.1.2字符串类型

4.1.3布尔类型

4.2数值精度

4.2.1读取精度

4.2.2类型转换

4.3待优化张量

4.4创建张量

4.4.1从数组、列表对象创建

4.4.2创建全0或全1张量

4.4.3创建自定义数值张量

4.4.4创建已知分布的张量

4.4.5创建序列

4.5张量的典型应用

4.5.1标量

4.5.2向量

4.5.3矩阵

4.5.4三维张量

4.5.5四维张量

4.6索引与切片

4.6.1索引

4.6.2切片

4.6.3小结

4.7维度变换

4.7.1改变视图

4.7.2增加、删除维度

4.7.3交换维度

4.7.4复制数据

4.8Broadcasting

4.9数学运算

4.9.1加、减、乘、除运算

4.9.2乘方运算

4.9.3指数和对数运算

4.9.4矩阵相乘运算

4.10前向传播实战

第5章TensorFlow进阶

5.1合并与分割

5.1.1合并

5.1.2分割

5.2数据统计

5.2.1向量范数

5.2.2#值、均值、和

5.3张量比较

5.4填充与复制

5.4.1填充

5.4.2复制

5.5数据限幅

5.6高#级操作

5.6.1tf.gather

5.6.2tf.gather_nd

5.6.3tf.boolean_mask

5.6.4tf.where

5.6.5scatter_nd

5.6.6meshgrid

5.7经典数据集加载

5.7.1随机打散

5.7.2批训练

5.7.3预处理

5.7.4循环训练

5.8MNIST测试实战

第6章神经网络

6.1感知机

6.2全连接层

6.2.1张量方式实现

6.2.2层方式实现

6.3神经网络

6.3.1张量方式实现

6.3.2层方式实现

6.3.3优化目标

6.4激活函数

6.4.1Sigmoid

6.4.2ReLU

6.4.3LeakyReLU

6.4.4tanh

6.5输出层设计

6.5.1普通实数空间

6.5.2［0,1］区间

6.5.3［0,1］区间，和为1

6.5.4［-1,1］

6.6误差计算

6.6.1均方差误差函数

6.6.2交叉熵损失函数

6.7神经网络类型

6.7.1卷积神经网络

6.7.2循环神经网络

6.7.3注意力(机制)网络

6.7.4图卷积神经网络

6.8汽车油耗预测实战

6.8.1数据集

6.8.2创建网络

6.8.3训练与测试

参考文献

第7章反向传播算法

7.1导数与梯度

7.2导数常见性质

.......................................