本书循序渐进地讲解了TensorFlow大模型开发的核心知识，并通过具体实例演练了开发TensorFlow大模型程序的方法和流程。全书共14章，分别讲解了TensorFlow数据集制作、使用机器学习算法制作TensorFlow模型、保存和加载模型、使用深度学习算法制作TensorFlow模型、TensorBoard模型可视化、模型训练与调优详解、基本的模型优化操作、TensorFlow Transform（TFT）：模型数据规范化处理、TensorFlow Data Validation（TFDV）：验证模型数据、Model Remediation：模型修复、Responsible AI和Fairness Indicators：评估和改进模型的公平性、Neural Structured Learning（NSL）：改进模型的学习能力和泛化能力、TensorFlow Serving：优化模型部署、移动机器人智能物体识别系统（TensorFlow Lite+TensorFlow+Android+iOS）。 本书适用于想了解TensorFlow基础开发的读者，想要进一步学习大模型开发、模型优化、模型应用和模型架构的读者，同时，也可以作为大专院校相关专业的师生用书和培训学校的教材。

第1章 TensorFlow数据集制作
1.1 使用tf.data处理数据集
1.1.1 制作数据集并训练和评估
1.1.2 将tf.data作为验证数据集进行训练
1.2 将模拟数据制作成内存对象数据集
1.2.1 可视化内存对象数据集
1.2.2 改进的方案
1.3 将图片制作成数据集
1.3.1 制作简易图片数据集
1.3.2 制作手势识别数据集
1.4 TFRecord数据集制作
1.4.1 将图片制作为TFRecord数据集
1.4.2 将CSV文件保存为TFRecord文件
1.4.3 读取TFRecord文件的内容
第2章 使用机器学习算法制作TensorFlow模型
2.1 制作线性回归模型
2.1.1 线性回归介绍
2.1.2 使用Keras实现线性回归模型
2.2 制作逻辑回归模型
2.2.1 Logistic Regression算法介绍
2.2.2 使用信用卡欺诈数据集制作模型
2.3 使用二元决策树算法制作模型
2.3.1 二元决策树介绍
2.3.2 使用二元决策树制作模型
2.4 k近邻算法
2.4.1 k近邻算法介绍
2.4.2 对服装图像进行分类
第3章 保存和加载模型
3.1 保存和加载整个模型
3.1.1 保存为SavedModel格式
3.1.2 保存为Keras H5格式
3.2 保存配置信息
3.2.1 序列化模型或函数式API模型的配置
3.2.2 自定义模型的配置
3.3 只保存和加载模型的权重值
3.3.1 在内存中迁移权重的API
3.3.2 保存加载权重的API（TensorFlow检查点格式）
3.3.3 保存加载权重的API（HDF5格式）
第4章 使用深度学习算法制作TensorFlow模型
4.1 TensorFlow卷积神经网络
4.1.1 卷积神经网络基本结构
4.1.2 制作一个卷积神经网络模型
4.2 TensorFlow循环神经网络
4.2.1 文本分类
4.2.2 制作一个循环神经网络模型
4.3 TensorFlow生成式对抗网络
4.3.1 生成模型和判别模型
4.3.2 使用生成对抗网络制作MNIST识别模型
第5章 TensorBoard模型可视化
5.1 指标参数
5.1.1 训练回归模型并可视化
5.1.2 记录自定义scalars
5.2 在TensorBoard中显示图像数据
5.2.1 可视化单个图像
5.2.2 可视化多个图像
5.2.3 可视化显示任意图像数据
……
第6章 模型训练与调优详解
第7章 基本的模型优化操作
第8章 TensorFlow Transform（TFT）：模型数据规范化处理
第9章 TensorFlow Data Validation（TFDV）：验证模型数据
第11章 Responsible Al和FairnessIndicators：评估和改进模型的公平性
第12章 Neural Structured Learning（NSL）：改进模型的学习能力和泛化能力
第13章 TensorFlow Serving：优化模型部署
第14章 移动机器人智能物体识别系统（TensorFlow Lite+TensorFlow+Android+iOS）