快速入门
本书介绍了核心API 的用法和基础示例,包括数据类型、张量、Eager Mode、自动求导、线性回归、逻辑回归、tf.data、深度神经网络和AutoGraph 机制,读者可以通过学习快速入门。
快速应用
本书演示了.NET Keras 的用法,包括模型、网络层、常用API、模型搭建和模型训练,读者可以由此快速掌握主流的深度学习方法。
快速落地
本书有大量的生产应用和案例实操,包括GPU 环境搭建、自定义数据集训练、图像分类、目标检测、迁移学习、自然语言处理、生成对抗网络和F#应用案例,每个案例均有完整的代码,帮助开发者快速在实际项目中开展AI技术落地。
第一部分 TensorFlow.NET API 入门
第 1 章 TensorFlow.NET 介绍
1.1 TensorFlow.NET 特性
1.2 TensorFlow.NET 开源库结构
第 2 章 数据类型与张量解
2.1 数据类型
2.2 张量详解
2.3 常量与变量
2.4 字符串常见操作
2.5 基本张量操作
2.6 维度变换
2.7 合并分割
2.8 广播机制
第 3 章 Eager Mode 详解
3.1 Eager Mode 说明
3.2 Eager Mode 比较
3.3 Eager Mode 数值运算
3.4 Eager Mode 张量降维运算
3.5 Eager Mode 矩阵运算
3.6 print 与 tf.print 特性对比
第 4 章 自动求导原理与应用
4.1 机器学习中的求导
4.2 简单函数求导
4.3 复杂函数求偏导
第 5 章 线性回归操
5.1 线性回归问题
5.2 TensorFlow 下的线性回归
5.3 C#和 Python 的性能比较
第 6 章 MNIST 手写字符分类逻辑回归
6.1 经典的 MNIST 手写字符分类问题
6.2 逻辑回归代码实操
第 7 章 tf.data 数据集创建与预处理
7.1 tf.data 介绍
7.2 tf.data 数据集创建
7.3 tf.data 数据预处理
7.4 tf.data 数据使用
第 8 章 深度神经网络实践
8.1 深度神经网络介绍
8.2 TensorFlow.NET 代码实操 1:DNN with Eager
8.3 TensorFlow.NET Keras 模型搭建的 3 种方式
8.4 TensorFlow.NET 代码实操 2:DNN with Keras
第 9 章 AutoGraph 机制详解
9.1 AutoGraph 机制说明
9.2 AutoGraph 机制原理
9.3 AutoGraph 编码规范
第二部分 .NET Keras 简明教程
第 10 章 Keras 简要介绍
10.1 Keras 特性
10.2 Keras 版本说明
第 11 章 模型与层
11.1 Keras 常用的模型与层
11.2 自定义层
11.3 自定义模型
11.4 模型常用 API 概述
第 12 章 Keras 常用 API 说明
12.1 回调函数
12.2 数据集预处理
12.3 优化器
12.4 损失函数
12.5 评估指标
第 13 章 Keras 搭建模型的 3 种方式
13.1 Sequential API 方式
13.2 Functional API 方式
13.3 自定义模型
第 14 章 Keras 模型训练
14.1 内置 fit 训练
14.2 自定义训练
第三部分 生产应用与案例
第 15 章 CPU 和 GPU 环境下的 TensorFlow.NET 应用
15.1 CPU 和 GPU 环境搭建及安装
15.2 TensorFlow.NET 的图像利器 SharpCV
第 16 章 工业生产环境应用案例
16.1 工业机器视觉领域应用
16.2 工业时间序列预测领域应用
第 17 章 在 C#下使用 TensorFlow.NET 训练自己的数据集
17.1 项目说明
17.2 模型介绍
17.3 数据集说明
17.4 代码说明
17.5 总结
第 18 章 视觉图像分类
18.1 卷积神经网络实现图像分类
18.2 卷积神经网络详解
18.3 深入了解卷积神经网络
第 19 章 视觉目标检测
19.1 视觉目标检测原理简述
19.2 YOLO v3 模型推理实践
19.3 YOLO v3 模型训练实践
第 20 章 迁移学习应用
20.1 迁移学习原理简述
20.2 Inception v3 网络
20.3 迁移学习代码实操
第 21 章 自然语言处理
21.1 自然语言处理简述
21.2 词向量
21.3 文本分类代码实操
第 22 章 生成对抗网络
22.1 生成对抗网络简述
22.2 生成对抗网络实战案例
第 23 章 F#应用案例
23.1 F#简明教程
23.2 F#案例实践
参考献
温馨提示:请使用泸西县图书馆的读者帐号和密码进行登录