TENSORFLOW和KERAS深度学习案例（第3版）

本书是面向软件工程师与数据科学家的深度学习实战读物，全书兼具简明性与全面性，系统梳理现代神经网络、人工智能核心知识与深度学习主流技术脉络，重点复盘了过去六年深度学习领域的技术演进路径，打破纯理论讲解的枯燥框架，以大量落地实操案例为核心载体，完整拆解基于Keras API的TensorFlow生态在深度学习项目中的落地方法。

第1章 使用TensorFlow神经网络
1.1 TensorFlow
1.2 Keras
1.3 神经网络
1.4 感知器
1.5 多层感知器：第一个网络示例
1.6 真实示例：识别手写数字
1.7 正则化
1.8 使用Google Colab：CPU、GPU和TPU
1.9 情感分析
1.10 预测输出
1.11 反向传播的实际概述
1.12 走向深度学习
1.13 总结
参考文献
第2章 回归和分类
2.1 回归
2.2 使用线性回归进行预测
2.3 神经网络用于线性回归
2.4 分类任务和决策边界
2.5 总结
参考文献
第3章 卷积神经网络
3.1 深度卷积神经网络
3.2 DCNN的示例：LeNet
3.3 使用深度学习识别CIFAR-10图像
3.4 用于大规模图像识别的超深卷积网络
3.5 深度InceptionV3网络的迁移学习
3.6 其他CNN架构
3.7 风格迁移
3.8 总结
参考文献
第4章 词嵌入
4.1 词嵌入的起源和基本概念
4.2 分布式表示法
4.3 静态嵌入
4.4 使用Gensim创建自己的嵌入
4.5 使用Gensim探索嵌入空间
4.6 使用词嵌入进行垃圾邮件检测
4.7 神经嵌入——不仅仅用于单词
4.8 字符和子词嵌入
4.9 动态嵌入
4.10 句子和段落的嵌入
4.11 基于语言模型的嵌入
4.12 使用BERT作为特征提取器
4.13 总结
参考文献
第5章 循环神经网络
5.1 基本RNN单元
5.2 RNN单元的变体
5.3 RNN变体
5.4 RNN拓扑结构
5.5 编码器-解码器架构——seq2seq
5.6 注意力机制
5.7 总结
参考文献
第6章 Transformers
6.1 架构
6.2 Transformer的架构
6.3 预训练
6.4 流行和知名模型概述
6.5 实施
6.6 评估
6.7 优化
6.8 常见陷阱：做和不做
6.9 Transformer的未来
6.10 总结
第7章 无监督学习
7.1 主成分分析
7.2 K均值聚类
7.3 自组织映射
7.4 受限玻耳兹曼机
7.5 总结
参考文献
第8章 自编码器
8.1 自编码器简介
8.2 基本编码器
8.3 稀疏自编码器
8.4 去噪自编码器
8.5 堆叠自编码器
8.6 变分自编码器
8.7 总结
参考文献
第9章 生成模型
9.1 什么是GAN
9.2 深度卷积GAN
9.3 一些有趣的GAN架构
9.4 GAN的酷炫应用
9.5 TensorFlow中的CycleGAN
9.6 基于流的数据生成模型
9.7 数据生成的扩散模型
9.8 总结
参考文献
第10章 自监督学习
10.1 先前的工作
10.2 自监督学习
10.3 自预测
10.4 对比学习
10.5 预设任务
10.6 总结
参考文献
第11章 强化学习
11.1 对RL的介绍
11.2 RL的仿真环境
11.3 OpenAIGym简介
11.4 深度Q网络
11.5 深度确定性策略梯度
11.6 总结
参考文献
第12章 概率TensorFlow
12.1 TensorFlowProbability
12.2 TensorFlowProbability分布
12.3 总结
参考文献
第13章 自动机器学习简介
13.1 什么是AutoML
13.2 实现AutoML
13.3 自动数据准备
13.4 自动特征工程
13.5 自动模型生成
13.6 AutoKeras
13.7 GoogleCloudAutoML和VertexAI
13.8 总结
参考文献
第14章 深度学习背后的数学
14.1 历史
14.2 一些数学工具
14.3 激活函数
14.4 反向传播
14.5 关于TensorFlow和自动微分
14.6 总结
参考文献
第15章 张量处理单元
15.1 C/G/T处理单元
15.2 四代TPU以及EdgeTPU
15.3 TPU性能
15.4 如何在Colab中使用TPU
15.5 使用预训练的TPU模型
15.6 总结
参考文献
第16章 其他有用的深度学习库
16.1 HuggingFace
16.2 OpenAI
16.3 PyTorch
16.4 ONNX
16.5 H2O
16.6 总结
第17章 图神经网络
17.1 图的基础知识
17.2 图机器学习
17.3 图卷积——GNN背后的直觉
17.4 常见的图层
17.5 常见的图应用
17.6 图形自定义
17.7 未来的方向
17.8 总结
参考文献
第18章 机器学习最佳实践
18.1 最佳实践的必要性
18.2 数据最佳实践
18.3 模型最佳实践
18.4 总结
参考文献
第19章 TensorFlow2生态系统
19.1 TensorFlowHub
19.2 TensorFlow数据集
19.3 TensorFlowLite
19.4 TensorFlowLite中的预训练模型
19.5 边缘联邦学习概述
19.6 TensorFlow.js
19.7 总结
参考文献
第20章 高级卷积神经网络
20.1 为复杂任务组合CNN
20.2 应用程序动物园与tf.Keras和TensorFlowHub
20.3 回答有关图像的问题（视觉问答）
20.4 创建DeepDream网络
20.5 检查网络学习到的内容
20.6 视频
20.7 文本文档
20.8 音频和音乐
20.9 卷积运算摘要
20.10 胶囊网络
20.11 总结
参考文献