290张图+110个可执行的TensorFlow示例程序+算法示例易懂的神经网络深度学习人工智能参考书源代码文件供下载本书适合神经网络、深度学习、TensorFlow 的入门者阅读。
前言
1 深度学习及TensorFlow简介
1.1 深度学习
1.2 TensorFlow简介及安装
2 基本的数据结构及运算
2.1 张量
2.2 随机数
2.3 单个张量的运算
2.4 多个张量之间的运算
2.5 占位符
2.6 Variable对象
3 梯度及梯度下降法
3.1 梯度
3.2 导数计算的链式法则
3.3 梯度下降法
3.4 参考文献
4 回归分析
4.1 线性回归分析
4.2 非线性回归分析
5 全连接神经网络
5.1 基本概念
5.2 计算步骤
5.3 神经网络的矩阵表达
5.4 激活函数
5.5 参考文献
6 神经网络处理分类问题
6.1 TFRecord文件
6.2 建立分类问题的数学模型
6.3 损失函数与训练模型
6.4 全连接神经网络的梯度反向传播
7 一维离散卷积
7.1 一维离散卷积的计算原理
7.2 一维卷积定理
7.3 具备深度的一维离散卷积
8 二维离散卷积
8.1 二维离散卷积的计算原理
8.2 离散卷积的性质
8.3 二维卷积定理
8.4 多深度的离散卷积
9 池化操作
9.1 same池化
9.2 valid池化
10 卷积神经网络
10.1 浅层卷积神经网络
10.2 LeNet
10.3 AlexNet
10.4 VGGNet
10.5 GoogleNet
10.6 ResNet
10.7 参考文献
11 卷积的梯度反向传播
11.1 valid卷积的梯度
11.2 same卷积的梯度
12 池化操作的梯度
12.1 平均值池化的梯度
12.2 最大值池化的梯度
13 BN的梯度反向传播
13.1 BN操作与卷积的关系
13.2 示例详解
14 TensorFlow搭建神经网络的主要函数
内容简介
