TensorFlow深度学习应用实践

　　本书总的指导思想是在掌握深度学习的基本知识和特性的基础上，培养使用TensorFlow进行实际编程以解决图像处理相关问题的能力。全书力求深入浅出，通过通俗易懂的语言和详细的程序分析，介绍TensorFlow的基本用法、高级模型设计和对应的程序编写。本书共22章，内容包括Python类库的安装和使用、TensorFlow基本数据结构和使用、TensorFlow数据集的创建与读取、人工神经网络、反馈神经网络、全卷积神经网络的理论基础、深度学习模型的创建、模型的特性、算法、ResNet、Slim、GAN等。本书强调理论联系实际，重点介绍TensorFlow编程解决图像识别的应用，提供了大量数据集，并以代码的形式实现了深度学习模型，以供读者参考。本书既可作为学习人工神经网络、深度学习、TensorFlow程序设计以及图像处理等相关内容的程序设计人员培训和自学用书，也可作为高等院校和培训机构相关专业的教材。

　　王晓华，高校资深计算机专业讲师，给研究生和本科生讲授面向对象程序设计、数据结构、Hadoop程序设计等相关课程。主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立完成一项科研成果获省级成果认定，发表过多篇论文，申请有一项专利。著有《Spark MLlib机器学习实践》等图书。

目 录
目 录
第1章 星星之火 1
1.1 计算机视觉与深度学习 1
1.1.1 人类视觉神经的启迪 2
1.1.2 计算机视觉的难点与人工神经网络 3
1.1.3 应用深度学习解决计算机视觉问题 4
1.2 计算机视觉学习的基础与研究方向 5
1.2.1 学习计算机视觉结构图 5
1.2.2 计算机视觉的学习方式和未来趋势 6
1.3 本章小结 7
第2章 Python的安装与使用 8
2.1 Python基本安装和用法 8
2.1.1 Anaconda的下载与安装 9
2.1.2 Python编译器PyCharm的安装 12
2.1.3 使用Python计算softmax函数 16
2.2 Python常用类库中的threading 17
2.2.1 threading库的使用 18
2.2.2 threading模块中最重要的Thread类 18
2.2.3 threading中的Lock类 19
2.2.4 threading中的join类 20
2.3 本章小结 21
第3章 深度学习的理论基础——机器学习 22
3.1 机器学习基本分类 22
3.1.1 基于学科的分类 22
3.1.2 基于学习模式的分类 23
3.1.3 基于应用领域的分类 23
3.2 机器学习基本算法 24
3.2.1 机器学习的算法流程 24
3.2.2 基本算法的分类 25
3.3 算法的理论基础 26
3.3.1 小学生的故事——求圆的面积 27
3.3.2 机器学习基础理论——函数逼近 27
3.4 回归算法 29
3.4.1 函数逼近经典算法——线性回归 29
3.4.2 线性回归的姐妹——逻辑回归 31
3.5 机器学习的其他算法——决策树 32
3.5.1 水晶球的秘密 32
3.5.2 决策树的算法基础——信息熵 33
3.5.3 决策树的算法基础——ID3算法 34
3.6 本章小结 35
第4章 Python类库的使用——数据处理及可视化展示 37
4.1 从小例子起步——NumPy的初步使用 37
4.1.1 数据的矩阵化 37
4.1.2 数据分析 39
4.1.3 基于统计分析的数据处理 40
4.2 图形化数据处理——Matplotlib包使用 41
4.2.1 差异的可视化 41
4.2.2 坐标图的展示 42
4.2.3 玩个大的 44
4.3 深度学习理论方法——相似度计算 46
4.3.1 基于欧几里得距离的相似度计算 46
4.3.2 基于余弦角度的相似度计算 47
4.3.3 欧几里得相似度与余弦相似度的比较 48
4.4 数据的统计学可视化展示 49
4.4.1 数据的四分位 49
4.4.2 数据的四分位示例 50
4.4.3 数据的标准化 53
4.4.4 数据的平行化处理 55
4.4.5 热点图——属性相关性检测 57
4.5 Python实战——某地降水的关系处理 58
4.5.1 不同年份的相同月份统计 58
4.5.2 不同月份之间的增减程度比较 59
4.5.3 每月降水不相关吗 60
4.6 本章小结 61
第5章 OpenCV的基础使用 62
5.1 OpenCV基本的图片读取 62
5.1.1 基本的图片存储格式 62
5.1.2 图像的读取与存储 64
5.1.3 图像的转换 65
5.1.4 使用NumPy模块对图像进行编辑 66
5.2 OpenCV的卷积核处理 68
5.2.1 计算机视觉的三种不同色彩空间 68
5.2.2 卷积核与图像特征提取 68
5.2.3 卷积核进阶 70
5.3 本章小结 72
第6章 OpenCV与TensorFlow的融合 73
6.1 图片的自由缩放以及边缘裁剪 73
6.1.1 图像的扩缩裁挖 73
6.1.2 图像色调的调整 74
6.1.3 图像的旋转、平移和翻转 76
6.2 使用OpenCV扩大图像数据库 77
6.2.1 图像的随机裁剪 77
6.2.2 图像的随机旋转变换 78
6.2.3 图像色彩的随机变换 79
6.2.4 对鼠标的监控 80
6.3 本章小结 81
第7章 Let’s play TensorFlow 82
7.1 TensorFlow游乐场 82
7.1.1 I want to play a game 82
7.1.2 TensorFlow游乐场背后的故事 86
7.1.3 如何训练神经网络 88
7.2 初识Hello TensorFlow 89
7.2.1 TensorFlow名称的解释 89
7.2.2 TensorFlow基本概念 89
7.2.3 TensorFlow基本架构 92
7.3 本章小结 93
第8章 Hello TensorFlow，从0到1 94
8.1 TensorFlow的安装 94
8.2 TensorFlow常量、变量和数据类型 96
8.3 TensorFlow矩阵计算 100
8.4 Hello TensorFlow 102
8.5 本章小结 107