內容大鋼
本書按照「強基礎、重應用」的原則進行編寫，在內容的安排上採用「理論+實踐」的方式，由淺入深，選取的項目可以讓學生很快上手。
本書主要包括8個項目，分別為搭建TensorFlow開發環境，手寫數字識別：TensorFlow初探，房價預測：前饋神經網路，服裝圖像識別：Keras搭建與訓練模型，圖像識別：卷積神經網路，AI詩人：循環神經網路，預測汽車油耗效率：TensorFlow.js應用開發，花卉識別：TensorFlow Lite。
本書既可以作為高等職業院校、應用型本科院校的電腦類、電子信息類、通信類及自動化類等專業的教材，也可以作為各種技能認證考試的參考用書，還可以作為相關技術人員的參考用書。
目錄
前言
二維碼資源清單
項目1 搭建TensorFlow開發環境
項目描述
思維導圖
項目目標
1.1 人工智慧、機器學習與深度學習
1.1.1 人工智慧
1.1.2 機器學習
1.1.3 深度學習
1.2 深度學習簡介
1.2.1 深度學習發展簡史
1.2.2 深度學習的工作原理
1.2.3 深度學習的應用
1.3 任務1：認識深度學習框架
1.3.1 TensorFlow
1.3.2 Keras
1.3.3 PyTorch
1.3.4 Caffe
1.3.5 MXNet
1.3.6 PaddlePaddle
1.4 任務2：搭建深度學習開發環境
1.4.1 安裝Anaconda
1.4.2 使用Conda管理環境
1.4.3 安裝TensorFlow
1.4.4 常用編輯器
拓展項目
項目2 手寫數字識別：TensorFlow初探
項目描述
思維導圖
項目目標
2.1 TensorFlow架構
2.1.1 TensorFlow架構圖
2.1.2 TensorFlow 1.x和2.0之間的差異
2.1.3 TensorFlow數據流圖
2.1.4 TensorFlow運行機制
2.2 任務1：張量的基本操作
2.2.1 張量的階、形狀、數據類型
2.2.2 現實世界中的數據張量
2.2.3 MNIST數據集
2.2.4 索引與切片
2.2.5 維度變換
2.2.6 廣播機制
2.3 任務2：張量的進階操作
2.3.1 合併與分割
2.3.2 大值、小值、均值、和
2.3.3 張量比較
2.3.4 張量排序
2.3.5 張量中提取數值
拓展項目
項目3 房價預測：前饋神經網路
項目描述
思維導圖
項目目標
3.1 任務1：實現一元線性回歸模型
3.1.1 準備數據
3.1.2 構建模型
3.1.3 迭代訓練
3.1.4 保存和讀取模型
3.2 認識神經網路
3.2.1 神經元
3.2.2 激活函數
3.3 任務2：房價預測
3.3.1 準備數據集
3.3.2 構建模型
3.3.3 訓練模型
3.4 前饋神經網路
3.4.1 前饋神經網路拓撲結構
3.4.2 損失函數
3.4.3 反向傳播演算法
3.4.4 梯度下降演算法
拓展項目
項目4 服裝圖像識別：Keras搭建與訓練模型
項目描述
思維導圖
項目目標
4.1 認識tf.keras
4.1.1 Keras與tf.keras
4.1.2 層（Layer）
4.1.3 模型（Model）
4.2 任務1：服裝圖像識別
4.2.1 構建模型
4.2.2 訓練模型
4.2.3 評估模型
4.3 任務2：保存與載入模型
4.3.1 SavedModel方式保存模型
4.3.2 H5格式保存模型
4.3.3 檢查點（Checkpoint）格式保存模型
4.4 任務3：tf.data優化訓練數據
4.4.1 訓練數據輸入模型的方法
4.4.2 tf.data API
4.4.3 tf.data.Dataset
4.5 任務4：花卉識別
4.5.1 下載圖片
4.5.2 構建花卉數據集
4.5.3 構建與訓練模型
4.5.4 保存與載入模型
拓展項目
項目5 圖像識別：卷積神經網路
項目描述
思維導圖
項目目標
5.1 認識卷積神經網路
5.1.1 卷積神經網路發展歷史
5.1.2 全連接神經網路的問題
5.2 卷積神經網路基本結構
5.2.1 卷積運算
5.2.2 填充
5.2.3 步長
5.2.4 多輸入通道和多輸出通道
5.2.5 池化層
5.3 TensorFlow對卷積神經網路的支持
5.3.1 卷積函數
5.3.2 池化函數
5.4 任務1：識別CIFAR-10圖像
5.4.1 卷積網路的整體結構
5.4.2 CIFAR-10數據集
5.4.3 構造卷積神經網路模型
5.4.4 編譯、訓練並評估模型
5.5 任務2：搭建經典卷積網路
5.5.1 圖像識別的難題
5.5.2 AlexNet
5.5.3 VGG系列
5.5.4 ResNet
5.6 任務3：ResNet實現圖像識別
5.6.1 ResNet模型結構
5.6.2 BasicBlock類
5.6.3 搭建ResNet網路模型
5.6.4 載入數據集並訓練模型
拓展項目
項目6 AI詩人：循環神經網路
項目描述
思維導圖
項目目標
6.1 認識循環神經網路
6.1.1 循環神經網路發展歷史
6.1.2 循環神經網路的應用
6.1.3 循環神經網路的作用
6.2 任務1：電影評論分類
6.2.1 IMDb數據集
6.2.2 使用全連接神經網路
6.2.3 循環神經網路典型結構
6.2.4 SimpleRNNCell使用方法
6.2.5 RNN分類IMDb數據集
6.2.6 RNN梯度消失
6.3 任務2：AI詩人
6.3.1 長短期記憶（LSTM）
6.3.2 文本生成：AI詩人
拓展項目
項目7 預測汽車油耗效率：TensorFlow.js應用開發
項目描述
思維導圖
項目目標
7.1 認識TensorFlow.js
7.1.1 TensorFlow.js的優點
7.1.2 TensorFlow.js 的核心概念
7.1.3 TensorFlow.js 環境配置
7.2 任務1：預測汽車油耗效率
7.2.1 創建主頁並載入數據
7.2.2 定義模型結構
7.2.3 數據預處理
7.2.4 訓練與測試模型
7.3 任務2：手寫數字識別
7.3.1 從GitHub獲取源碼並運行
7.3.2 創建相關文件
7.3.3 定義模型結構
7.3.4 訓練模型
7.3.5 使用模型進行評估與預測
拓展項目
項目8 花卉識別：TensorFlow Lite
項目描述
[