TensorFlow-深度学习中文第二版初稿

第 1 章深度学习入门

• 人工神经网络
• ANN 如何学习？
• 神经网络架构
• 深度学习框架
• 总结

第 2 章 TensorFlow 的首次观察

• TensorFlow v1.6 的新功能是什么？
• 安装和配置 TensorFlow
• TensorFlow 计算图
• TensorFlow 代码结构
• TensorFlow 中的数据模型
• 通过 TensorBoard 可视化计算
• 线性回归及更多
• 总结

第 3 章使用 TensorFlow 的前馈神经网络

• 实现前馈神经网络
• 实现多层感知器（MLP）
• 调整超参数和高级 FFNN
• 总结

第 4 章卷积神经网络

• CNN 实战
• LeNet5
• 逐步实现 LeNet-5
• 数据集准备
• 微调实现
• Inception-v3
• 使用 CNN 进行情感识别
• 总结

第 5 章优化 TensorFlow 自编码器

• 使用 TensorFlow 实现自编码器
• 提高自编码器的鲁棒性
• 使用自编码器进行欺诈分析
• 总结

第 6 章循环神经网络

• RNN 和梯度消失 – 爆炸问题
• 实现 RNN 进行垃圾邮件预测
• 开发时间序列数据的预测模型
• 用于情感分析的 LSTM 预测模型
• 使用 LSTM 模型识别人类活动
• 总结

第 7 章异构和分布式计算

• TensorFlow GPU 设置
• 分布式计算
• 分布式 TensorFlow 设置
• 总结

第 8 章高级 TensorFlow 编程

• TFLearn
• PrettyTensor
• Keras
• 总结

第 9 章使用分解机的推荐系统

• 使用协同过滤的电影推荐
• 推荐系统的分解机
• 改进的分解机
• 总结

第 10 章强化学习

• OpenAI Gym
• Q-Learning 算法
• 深度 Q 学习
• 总结