本书以TensorFlow为深度学习框架,主要讲解计算机视觉任务中相关的知识。本书的内容十分连贯,每个章节的内容都会使用到前面章节讲解过的知识,旨在最大限度保证读者学习的连贯性,同时本书减少了晦涩难懂的数学公式,尽力图示促进读者理解。相信读者读完本书后会对计算机视觉相关任务有一个更清晰的理解。
第1章 深度学习简介及TensorFlow环境搭建(21min)
1.1 什么是深度学习
1.2 深度学习语言与工具
1.3 TensorFlow的优势
1.4 TensorFlow的安装与环境配置
1.4.1 Windows下配置GPU版TensorFlow
1.4.2 Linux下配置GPU版TensorFlow
1.4.3 直接通过Anaconda解决环境依赖
1.4.4 安装CPU版本的TensorFlow
1.5 小结
第2章 常用的Python数据处理工具
2.1 NumPy的使用
2.1.1 NumPy中的数据类型
2.1.2 NumPy中数组的使用
2.2 Matplotlib的使用
2.2.1 Matplotlib中的相关概念
2.2.2 使用Matplotlib绘图
2.3 Pandas的使用
2.3.1 Pandas中的数据结构
2.3.2 使用Pandas读取数据
2.3.3 使用Pandas处理数据
2.4 SciPy的使用
2.4.1 使用SciPy写入mat文件
2.4.2 使用SciPy读取mat文件
2.5 scikit-learn的使用
2.5.1 scikit-learn的使用框架
2.5.2 使用scikit-learn进行回归
2.5.3 使用scikit-learn进行分类
2.6 Pillow的使用
2.6.1 使用Pillow读取并显示图像
2.6.2 使用Pillow处理图像
2.7 OpenCV的使用
2.7.1 使用OpenCV读取与显示图像
2.7.2 使用OpenCV处理图像
2.8 argparse的使用
2.8.1 argparse的使用框架
2.8.2 使用argparse解析命令行参数
2.9 JSON的使用
2.9.1 使用JSON写入数据
2.9.2 使用JSON读取数据
2.10 小结
第3章 TensorFlow基础
3.1 TensorFlow的基本原理
3.2 TensorFlow中的计算图与会话机制
3.2.1 计算图
3.2.2 会话机制
3.3 TensorFlow中的张量表示
3.3.1 tf.constant
3.3.2 tf.Variable
3.3.3 tf.placeholder
3.4 TensorFlow中的数据类型
3.5 TensorFlow中的命名空间
3.5.1 tf.get_variable
3.5.2 tf.name_scope
3.5.3 tf.varhble_scope
3.6 TensorFlow中的控制流
3.6.1 TensorFlow中的分支结构
3.6.2 TensorFlow中的循环结构
3.6.3 TensorFlow中指定节点执行顺序
3.7 TensorFlow模型的输入与输出
3.8 TensorFlow的模型持久化
……
第4章 深度学习的基本概念(108min)
第5章 常用数据集及其使用方式
第6章 全连接神经网络
第7章 卷积神经网络(77min)
第8章 生成式模型