# Tensorflow

**Repository Path**: wang_shuliang/tensorflow

## Basic Information

- **Project Name**: Tensorflow
- **Description**: TensorFlow深度学习，基于TensorFlow 2.0正式版
- **Primary Language**: Java
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 4
- **Created**: 2023-02-24
- **Last Updated**: 2023-02-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# TensorFlow 2.0深度学习开源书

基于TensorFlow 2.0正式版！！！
理论与实战结合，非常适合入门学习！！！

# 简要目录

###### 第 1 章人工智能绪论

1.1 人工智能
1.2 神经网络发展简史
1.3 深度学习特点
1.4 深度学习应用
1.5 深度学习框架
1.6 开发环境安装
1.7 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
2.5 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
3.9 小结
3.10 参考文献

###### 第 4 章 TensorFlow 基础

4.1 数据类型
4.2 数值精度
4.3 待优化张量
4.4 创建张量
4.5 张量的典型应用
4.6 索引与切片
4.7 维度变换
4.8 Broadcasting
4.9 数学运算
4.10 前向传播实战
4.11 参考文献

###### 第 5 章 TensorFlow 进阶

5.1 合并与分割
5.2 数据统计
5.3 张量比较
5.4 填充与复制
5.5 数据限幅
5.6 高级操作
5.7 经典数据集加载
5.8 MNIST 测试实战
5.9 参考文献

###### 第 6 章 神经网络

6.1 感知机
6.2 全连接层
6.3 神经网络
6.4 激活函数
6.5 输出层设计
6.6 误差计算
6.7 神经网络类型
6.8 油耗预测实战
6.9 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
7.3 激活函数导数
7.4 损失函数梯度
7.5 全连接层梯度
7.6 链式法则
7.7 反向传播算法
7.8 Himmelblau 函数优化实战
7.9 反向传播算法实战
7.10 参考文献

###### 第 8 章 Keras 高层接口

8.1 常见功能模块
8.2 模型装配、训练与测试
8.3 模型保存与加载
8.4 自定义类
8.5 模型乐园
8.6 测量工具
8.7 可视化
8.8 参考文献

###### 第 9 章 过拟合

9.1 模型的容量
9.2 过拟合与欠拟合
9.3 数据集划分
9.4 模型设计
9.5 正则化
9.6 Dropout
9.7 数据增强
9.8 过拟合问题实战
9.9 参考文献

###### 第 10 章 卷积神经网络

10.1 全连接网络的问题
10.2 卷积神经网络
10.3 卷积层实现
10.4 LeNet-5 实战
10.5 表示学习
10.6 梯度传播
10.7 池化层
10.8 BatchNorm 层
10.9 经典卷积网络
10.10 CIFAR10 与 VGG13 实战
10.11 卷积层变种
10.12 深度残差网络
10.13 DenseNet
10.14 CIFAR10 与 ResNet18 实战
10.15 参考文献

###### 第 11 章 循环神经网络

11.1 序列表示方法
11.2 循环神经网络
11.3 梯度传播
11.4 RNN 层使用方法
11.5 RNN 情感分类问题实战
11.6 梯度弥散和梯度爆炸
11.7 RNN 短时记忆
11.8 LSTM 原理
11.9 LSTM 层使用方法
11.10 GRU 简介
11.11 LSTM/GRU 情感分类问题再战
11.12 预训练的词向量
11.13 参考文献

###### 第 12 章 自编码器

12.1 自编码器原理
12.2 MNIST 图片重建实战
12.3 自编码器变种
12.4 变分自编码器
12.5 VAE 实战
12.6 参考文献

###### 第 13 章 生成对抗网络

13.1 博弈学习实例
13.2 GAN 原理
13.3 DCGAN 实战
13.4 GAN 变种
13.5 纳什均衡
13.6 GAN 训练难题
13.7 WGAN 原理
13.8 WGAN-GP 实战
13.9 参考文献

###### 第 14 章 强化学习

14.1 先睹为快
14.2 强化学习问题
14.3 策略梯度方法
14.4 值函数方法
14.5 Actor-Critic 方法
14.6 小结
14.7 参考文献

###### 第 15 章 自定义数据集

15.1 精灵宝可梦数据集
15.2 自定义数据集加载流程
15.3 宝可梦数据集实战
15.4 迁移学习
15.5 Saved_model
15.6 模型部署
15.7 参考