更新时间：2022-07-27 17:23:22
封面
版权信息
内容简介
前言
第1章 知识图谱的前世今生
1.1 何谓自然语言处理
1.1.1 自然语言处理是门技术
1.1.2 传统的自然语言处理
1.2 自然语言处理为什么难——以最简单的情感分析为例
1.2.1 自然语言处理的难点
1.2.2 自然语言处理小练习：酒店评论的情感分类
1.3 知识图谱到底是什么
1.3.1 知识图谱的应用
1.3.2 知识图谱中的三元组
1.4 搭建环境1：安装Python
1.4.1 Anaconda的下载与安装
1.4.2 PyCharm的下载与安装
1.4.3 Python代码小练习：计算softmax函数
1.5 搭建环境2：安装TensorFlow 2.X的GPU版本
1.5.1 10/20/30系列显卡选择的GPU版本
1.5.2 TensorFlow 2.4 GPU版本基础显卡推荐和前置软件安装
1.5.3 TensorFlow小练习：Hello TensorFlow
1.6 实战——知识图谱的展示
1.6.1 第一步：数据的准备
1.6.2 第二步：数据的处理
1.6.3 第三步：知识图谱的展示
1.6.4 第四步：更多的连线
1.6.5 一个需要解决的小问题
1.7 本章小结
第2章 TensorFlow和Keras快速入门
2.1 Keras让一切变简单
2.1.1 深度学习，始于模型
2.1.2 使用Keras API实现鸢尾花分类的例子（顺序模型）
2.1.3 使用Keras函数式编程实现鸢尾花分类的例子（重点）
2.1.4 使用保存的Keras模式对模型进行复用
2.1.5 使用TensorFlow标准化编译对iris模型进行拟合
2.1.6 多输入单一输出TensorFlow编译方法（选学）
2.1.7 多输入多输出TensorFlow编译方法（选学）
2.2 全连接层详解
2.2.1 全连接层的定义与实现
2.2.2 使用TensorFlow自带的API实现全连接层
2.2.3 打印显示已设计的model结构和参数
2.3 懒人的福音——Keras模型库
2.3.1 ResNet50模型和参数的载入
2.3.2 使用ResNet作为特征提取层建立模型
2.4 本章小结
第3章 深度学习的理论基础
3.1 BP神经网络简介
3.2 BP神经网络两个基础算法详解
3.2.1 最小二乘法（LS算法）详解
3.2.2 道士下山的故事——梯度下降算法
3.2.3 最小二乘法的梯度下降算法及其Python实现
3.3 反馈神经网络反向传播算法介绍
3.3.1 深度学习基础
3.3.2 链式求导法则
3.3.3 反馈神经网络原理与公式推导
3.3.4 反馈神经网络原理的激活函数
3.3.5 反馈神经网络原理的Python实现
3.4 本章小结
第4章 卷积神经网络实战
4.1 卷积运算基本概念
4.1.1 卷积运算
4.1.2 TensorFlow中卷积函数实现详解
4.1.3 池化运算
4.1.4 softmax激活函数
4.1.5 卷积神经网络原理
4.2 卷积实战：MNIST手写体识别
4.2.1 MNIST数据集
4.2.2 MNIST数据集特征和标签介绍
4.2.3 TensorFlow 2.X编程实战：MNIST数据集
4.2.4 使用自定义的卷积层实现MNIST识别
4.3 本章小结
第5章 Datasets数据集和TensorBoard可视化
5.1 TensorFlow Datasets简介
5.1.1 Datasets数据集的安装
5.1.2 Datasets数据集的使用
5.2 Datasets数据集的使用——FashionMNIST
5.2.1 FashionMNIST数据集下载与展示
5.2.2 模型的建立与训练
5.3 使用Keras对FashionMNIST数据集进行处理
5.3.1 获取数据集
5.3.2 数据集的调整
5.3.3 使用Python类函数建立模型
5.3.4 Model的查看和参数打印
5.3.5 模型的训练和评估
5.4 使用TensorBoard可视化训练过程
5.4.1 TensorBoard文件夹设置
5.4.2 TensorBoard的显式调用（推荐使用Chrome或Edge浏览器）
5.4.3 TensorBoard的使用
5.5 本章小结
第6章 ResNet实现神经网络的飞跃
6.1 ResNet基础原理与程序设计基础
6.1.1 ResNet诞生的背景
6.1.2 模块工具的TensorFlow实现——不要重复造轮子
6.1.3 TensorFlow高级模块layers用法简介
6.2 ResNet实战：CIFAR100数据集分类
6.2.1 CIFAR100数据集简介
6.2.2 ResNet残差模块的实现
6.2.3 ResNet网络的实现
6.2.4 使用ResNet对CIFAR100数据集进行分类
