深度学习技术与应用（TensorFlow版） / “十四五”高等职业教育新形态一体化教材
定价：￥35.00
作者： 董佳佳，巩建学，赵瑞丰
出版时间：2024-03
最新印次日期：2024-3
出版社：中国铁道出版社
试读
- 中国铁道出版社
- 9787113308407
- 1-1
- 521499
- 68260580-3
- 16开
- 2024-03
- 工学
- 计算机类
- 电子与信息大类
- 计算机类
- 计算机类
- 高职
作者简介
内容简介
本书是高等职业院校人工智能技术应用专业的专业核心课教材，以深度学习常用的技术和TensorFlow2.0的框架相结合，以真实案例为载体，介绍了深度学习的概念、TensorFlow
基础语法、神经网络原理、实战练习等内容。
通过学习本书，读者可以通过搭建自己的神经网络模型来进行图像识别、目标检测、人脸识别、图像分割等应用，还可以使用神经网络生成图像、基于TensorFlow.js框架搭建网
页端的人工智能应用等。本书以项目—任务的方式组织内容，每个项目下都配备了3～5个任务供实践练习使用。通过体验书中的深度学习案例，读者可以逐渐对深度学习的项目有所
了解，并能够熟练地进行实践。
本书适合作为高等职业院校人工智能技术应用专业的教材，也可作为人工智能爱好者及社会工作者的学习参考书。
基础语法、神经网络原理、实战练习等内容。
通过学习本书，读者可以通过搭建自己的神经网络模型来进行图像识别、目标检测、人脸识别、图像分割等应用，还可以使用神经网络生成图像、基于TensorFlow.js框架搭建网
页端的人工智能应用等。本书以项目—任务的方式组织内容，每个项目下都配备了3～5个任务供实践练习使用。通过体验书中的深度学习案例，读者可以逐渐对深度学习的项目有所
了解，并能够熟练地进行实践。
本书适合作为高等职业院校人工智能技术应用专业的教材，也可作为人工智能爱好者及社会工作者的学习参考书。
目录
绪 论 深度学习.1
项目一 基于TensorFlow实现线性回归..7
【项目概述】.7
【项目目标】.7
【知识链接】.7
1．TensorFlow的概念7
2．TensorFlow的应用8
3．张量与变量9
4．线性回归算法11
【项目实施】..13
任务一使用TensorFlow实现四则运算..13
任务二使用TensorFlow实现一元线性函数计算..15
任务三使用TensorFlow搭建线性回归模型.16
【测验】18
【项目总结】..20
项目二 搭建人工神经网络.21
【项目概述】..21
【项目目标】..21
【知识链接】..21
1．人工神经网络21
2．感知机24
3．全连接神经网络..26
4．前向与反向传播..27
5．认识TensorFlow.keras框架..33
【项目实施】..37
任务一搭建一个全连接神经网络37
任务二加载经典Mnist数据集..38
任务三搭建全连接网络模型实现手写数字识别42
任务四搭建全连接网络模型实现手势识别..44
【测验】47
【项目总结】..48
项目三 卷积神经网络实战.49
【项目概述】..49
【项目目标】..49
【知识链接】..50
1．深度学习在计算机视觉中的应用.50
2．卷积神经网络55
3．经典的卷积神经网络58
4．激活函数..61
5．损失函数..64
6．FCN网络.66
【项目实施】..67
任务一搭建一个卷积神经网络.67
任务二使用卷积神经网络实现服装分类69
任务三使用全卷积神经网络实现宠物识别..72
任务四模型的存储与调用79
任务五基于YOLO模型实现目标检测82
【测验】85
【项目总结】..87
项目四 循环神经网络实战.88
【项目概述】..88
【项目目标】..88
【知识链接】..88
1．自然语言处理88
2．自然语言处理的应用场景.90
3．循环神经网络及其变体..91
【项目实施】..95
任务一搭建一个循环神经网络.95
任务二搭建一个LSTM网络.97
任务三学习率衰减实践.98
任务四使用循环神经网络实现垃圾邮件检测..100
任务五使用循环神经网络实现自动生成纯音乐.106
【测验】.112
【项目总结】113
项目五 对抗生成网络实战114
【项目概述】114
【项目目标】114
【知识链接】114
1．有监督、无监督学习.114
2．生成对抗网络.118
3．生成对抗网络工作过程119
4．生成对抗网络的常见应用..120
【项目实施】123
任务一搭建一个GAN网络.123
任务二使用GAN模型生成手写数字125
任务三使用GAN模型生成二次元动漫头像130
【测验】.140
【项目总结】141
项目六 TensorFlow.js实战.142
【项目概述】142
【项目目标】142
【知识链接】142
1．TensorFlow.js142
2．网页编程语言.144
【项目实施】145
任务一配置环境..145
任务二基于TensorFlow.js实现回归预测.149
任务三基于TensorFlow.js部署网页版手写数字识别..151
项目一 基于TensorFlow实现线性回归..7
【项目概述】.7
【项目目标】.7
【知识链接】.7
1．TensorFlow的概念7
2．TensorFlow的应用8
3．张量与变量9
4．线性回归算法11
【项目实施】..13
任务一使用TensorFlow实现四则运算..13
任务二使用TensorFlow实现一元线性函数计算..15
任务三使用TensorFlow搭建线性回归模型.16
【测验】18
【项目总结】..20
项目二 搭建人工神经网络.21
【项目概述】..21
【项目目标】..21
【知识链接】..21
1．人工神经网络21
2．感知机24
3．全连接神经网络..26
4．前向与反向传播..27
5．认识TensorFlow.keras框架..33
【项目实施】..37
任务一搭建一个全连接神经网络37
任务二加载经典Mnist数据集..38
任务三搭建全连接网络模型实现手写数字识别42
任务四搭建全连接网络模型实现手势识别..44
【测验】47
【项目总结】..48
项目三 卷积神经网络实战.49
【项目概述】..49
【项目目标】..49
【知识链接】..50
1．深度学习在计算机视觉中的应用.50
2．卷积神经网络55
3．经典的卷积神经网络58
4．激活函数..61
5．损失函数..64
6．FCN网络.66
【项目实施】..67
任务一搭建一个卷积神经网络.67
任务二使用卷积神经网络实现服装分类69
任务三使用全卷积神经网络实现宠物识别..72
任务四模型的存储与调用79
任务五基于YOLO模型实现目标检测82
【测验】85
【项目总结】..87
项目四 循环神经网络实战.88
【项目概述】..88
【项目目标】..88
【知识链接】..88
1．自然语言处理88
2．自然语言处理的应用场景.90
3．循环神经网络及其变体..91
【项目实施】..95
任务一搭建一个循环神经网络.95
任务二搭建一个LSTM网络.97
任务三学习率衰减实践.98
任务四使用循环神经网络实现垃圾邮件检测..100
任务五使用循环神经网络实现自动生成纯音乐.106
【测验】.112
【项目总结】113
项目五 对抗生成网络实战114
【项目概述】114
【项目目标】114
【知识链接】114
1．有监督、无监督学习.114
2．生成对抗网络.118
3．生成对抗网络工作过程119
4．生成对抗网络的常见应用..120
【项目实施】123
任务一搭建一个GAN网络.123
任务二使用GAN模型生成手写数字125
任务三使用GAN模型生成二次元动漫头像130
【测验】.140
【项目总结】141
项目六 TensorFlow.js实战.142
【项目概述】142
【项目目标】142
【知识链接】142
1．TensorFlow.js142
2．网页编程语言.144
【项目实施】145
任务一配置环境..145
任务二基于TensorFlow.js实现回归预测.149
任务三基于TensorFlow.js部署网页版手写数字识别..151
