21个项目玩转深度学习：基于TensorFlow的实践详解

　　《21个项目玩转深度学习——基于TensorFlow的实践详解》以实践为导向，深入介绍了深度学习技术和TensorFlow框架编程内容。 通过本书，读者可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用，还可以使用神经网络生成图像和文本，进行时间序列预测、搭建机器翻译引擎，训练机器玩游戏。全书共包含21个项目，分为深度卷积网络、RNN网络、深度强化学习三部分。读者可以在自己动手实践的过程中找到学习的乐趣，了解算法和编程框架的细节，让学习深度学习算法和TensorFlow的过程变得轻松和高效。本书代码基于TensorFlow 1.4及以上版本，并介绍了TensorFlow中的一些新特性。本书适合有一定机器学习基础的学生、研究者或从业者阅读，尤其是希望深入研究TensorFlow和深度学习算法的数据工程师，也适合对人工智能、深度学习感兴趣的在校学生，以及希望进入大数据应用的研究者。

　　何之源，现为复旦大学人工智能方向在读硕士生。针对Tensorflow早期学习案例不足的情况，在知乎等网站上发表了多篇实践文章，获得了广大读者的肯定。何之源于2012年通过信息学竞赛保送进入复旦大学学习，2016获得复旦大学理学学士学位，并荣获复旦大学优秀学生的称号。同年进入复旦大学计算机学院攻读硕士学位。在编程和机器学习领域有多年一线实践经验。

第1章MNIST机器学习入门1
1.1MNIST数据集2
1.1.1简介2
1.1.2实验：将MNIST数据集保存为图片5
1.1.3图像标签的独热(one-hot)表示6
1.2利用TensorFlow识别MNIST8
1.2.1Softmax回归8
1.2.2两层卷积网络分类14
1.3总结18
第2章CIFAR-10与ImageNet图像识别19
2.1CIFAR-10数据集20
2.1.1CIFAR-10简介20
2.1.2下载CIFAR-10数据21
2.1.3TensorFlow的数据读取机制23
2.1.4实验：将CIFAR-10数据集保存为图片形式30
2.2利用TensorFlow训练CIFAR-10识别模型34
2.2.1数据增强（DataAugmentation）34
2.2.2CIFAR-10识别模型36
2.2.3训练模型39
2.2.4在TensorFlow中查看训练进度39
2.2.5测试模型效果42
2.3ImageNet图像识别模型44
2.3.1ImageNet数据集简介44
2.3.2历代ImageNet图像识别模型45
2.4总结49
第3章打造自己的图像识别模型50
3.1微调（Fine-tune）的原理51
3.2数据准备52
3.3使用TensorFlowSlim微调模型56
3.3.1下载TensorFlowSlim的源代码56
3.3.2定义新的datasets文件57
3.3.3准备训练文件夹59
3.3.4开始训练60
3.3.5训练程序行为62
3.3.6验证模型正确率63
3.3.7TensorBoard可视化与超参数选择64
3.3.8导出模型并对单张图片进行识别65
3.4总结69
第4章DeepDream模型70
4.1DeepDream的技术原理71
4.2TensorFlow中的DeepDream模型实践73
4.2.1导入Inception模型73
4.2.2生成原始的DeepDream图像76
4.2.3生成更大尺寸的DeepDream图像78
4.2.4生成更高质量的DeepDream图像82
4.2.5最终的DeepDream模型87
4.3总结90