深度學習應用開發：TensorFlow實踐（簡體書）

本書基於***的機器學習框架TensorFlow，專注於新一代人工智能思維與應用開發能力的培養；有別於傳統課程，不泛泛講解各類人工智能技術或是幹澀講深層次理論和算法，也不是純粹介紹TensorFlow的編程技能，而是面向典型的場景，精心設計系列案例來引導整個學習過程，激發學習者的學習興趣和應用創新。案例由淺入深、各有側重，兼具趣味性和系統性。

本書內容豐富，應用性和趣味性強，是作者多年來在深度學習應用開發領域教學研究成果的系統化凝練。本書配有多媒體課件、案例素材和源代碼等教學資源，免費向任課教師提供。與本書配套的慕課（MOOC）已經上線開課多輪，廣受學員好評，配合MOOC可以更好地進行教學和學習。

本書適合作為高等學校計算機類、信息類專業和人工智能專業相關課程的教材，也可作為對人工智能、機器學習和深度學習技術感興趣的科技人員、計算機愛好者及各類自學人員的參考書。

吳明暉，博士，浙江大學城市學院計算機系教授，浙江省高等學校教壇新秀、浙江省高校優秀教師；浙江省新興特色專業“計算機科學與技術（重點方向：移動互聯網應用開發）”負責人，浙江省高校中青年學科帶頭人；Google公司校企合作專業綜合改革項目專家委員會委員、谷歌獎教金獲得者。
近年來主持多項浙江省新世紀教改項目、浙江省精品在線開放課程、教育部—Google公司產學合作協同育人項目等，獲浙江省優秀教學成果一、二等獎。
自2009年開始擔任Google Android移動應用開發技術師資培訓班講師，2013年開始組織多期App Inventor師資培訓班；受邀在多個全國性教學研討會上進行主題報告，並擔任Google Android移動應用開發挑戰賽、Google App Inventor應用開發全國中學生挑戰賽、“中國高校計算機大賽一移動應用創新賽”等多個全國賽項的專家評委，是國內移動應用和App Inventor教育的先行者和推廣者。

第1章 人工智能概述
1.1 感受人工智能時代的到來
1.1.1 人機博弈
1.1.2 宇宙探索
1.1.3 人機對話
1.1.4 計算機視覺
1.1.5 自然語言處理
1.1.6 智能診斷、推薦系統
1.1.7 智能交通
1.1.8 機器人
1.2 人工智能發展概述，跌宕起伏的多年
1.2.1 人工智能起源
1.2.2 人工智能與圖靈測試
1.2.3 人工智能發展史
1.3 機器學習簡介
1.3.1 人工智能與機器學習
1.3 .2 什麼是機器學習
1.3.3 機器學習典型求解問題類型
1.4 深度學習簡介
1.4.1 神經元
1.4.2 人工神經網絡
1.4.3 深度神經網絡
1.4.4 卷積神經網絡
1.4.5 深度學習的發展歷程
1.5 深度學習框架簡介
1.5.1 TensorFIow
1.5.2 Keras
1.5.3 PyTorch
1.5.4 PaddIePaddle
練習和思考題
第2章 TensorFIow發環境搭建
2.1 Python程序設計語言
2.2 Anaconda開發環境搭建
2.2.1 下載Anaconda
2.2.2 安裝Anaconda
2.2.3 查看Anaconda環境
2.2.4 Jupyter Notebook
2.3 安裝TensorFIow
2.3.1 新建專用虛擬環境
2.3.2 使用conda安裝TensorFIow
2.3.3 使用pip安裝TensorFIow
實驗
第3章 TensorFIow開發基礎
3.1 初識TensorFIow
3.1.1 TensorFIow簡介
3.1.2 TensorFIow編程初體驗
3.1.3 TensorFIow名稱的含義
3.2 張量
3.2.1 張量的概念
3.2.2 張量的屬性
3.3 常量與變量
3.3.1 常量constant
3.3.2 變量Variable
3.4 計算圖
3.4.1 計算圖的結構
3.4 .2 靜態圖執行模式
3.5 在TensorFIow 2中實現靜態圖執行模式開發
3.6 TensorFIow 1.X靜態圖執行模式編程概要
3.6.1 體驗案例：計算兩數之和
3.6.2 會話
3.6.3 變量與變量初始化
3.6.4 占位符、數據提交和數據提取
3.7 TensorBoard可視化初步
3.7.1 TensorBoard簡介
3.7.2 在TensorBoard中查看圖結構
3.7.3 啟動TensorBoard
練習和思考題
實驗
第4章 單變量線性回歸問題：建模與
TensorFIow實戰
4.1 監督式機器學習
4.2 單變量線性回歸案例
4.3 監督式機器學習中的基本術語
4.3.1 特徵和標簽
……
第5章 波士頓房價預測：多元線性回歸問題建模與應用
第6章 MNIST手寫數字識別，分類應用入門
第7章 MNIST手寫數字識別進階：多層全連接神經網絡
第8章 泰坦尼克號旅客生存概率預測：Keras綜合應用
第9章 CIFAR-10圖象識別問題：卷積神經網絡與應用
第10章 Deep Dream：理解深度神經網絡結構及應用
第11章 電影評論情感分析：自然語言處理與循環神經網絡應用實踐
第12章 貓狗大戰：遷移學習及應用
第13章 Fashion-MNIST圖像生成：生成式對抗網絡及應用
第14章 鳶尾花品種識別：Tensor-Flow.js及應用
第15章 花卉識別：TensorFlowLite及應用