译者序
前言
第1章 深度学习
1.1 深度神经网络的数学基础
1.1.1 感知机——门控线性回归
1.1.2 多层感知机
1.1.3 卷积和池化
1.1.4 激活函数
1.2 深度神经网络的训练
1.2.1 损失函数的重要性
1.2.2 正则化
1.2.3 反向传播算法
1.2.4 优化方法
1.3 本章小结
第2章 神经网络架构
2.1 卷积神经网络
2.1.1 AlexNet
2.1.2 GoogLeNet
2.1.3 ResNet
2.1.4 SqueezeNet
2.2 循环神经网络
2.2.1 LSTM
2.2.2 GRU
2.3 深度强化学习
2.4 本章小结
第3章 JavaScript深度学习框架
3.1 TensorFlow.js
3.1.1 TensorFlow.js介绍
3.1.2 XOR问题
3.1.3 解决XOR问题
3.1.4 网络架构
3.1.5 张量
3.1.6 张量操作
3.1.7 模型训练
3.1.8 TensorFlow.js的生态
3.2 WebDNN
3.3 Keras.js
……
第4章 深度学习的JavaScript基础
第5章 基于WebGL的GPU加速
第6章 从浏览器中提取数据
第7章 高级数据操作的方法
第8章 基于TensorFlow.js构建应用

本书是一本在浏览器中进行深度学习应用的入门实践指南，主要内容包括神经网络架构、主流的JavaScript深度学习框架、深度学习的JavaScript基础、基于WebGL的GPU加速、浏览器上的数据抽取和操作以及TensorFlow.js实践应用。每章都配有完整的代码示例以及可视化效果，轻松易学。书中也详细介绍了TensorFlow.js重要的模块tfjs-core、tfjs-layers、tfjs-node、tfjs-converter等。
全书共8章，第1章主要介绍深度学习相关的数学知识、概念及架构；第2章介绍在深度学习应用中常用的深度学习架构；第3章介绍用在浏览器上的三种不同。JavaScript深度学习框架，即TensorFlow.js, WebDNN和Keras.js；第4章介绍在浏览器和Node.js中运行深度学习框架的JavaScript基础；第5章介绍如何将深度学习操作映射到GPU，并展示如何用WebGL一实现神经网络；第6章介绍如何从浏览器提取数据，如从URL加载图片数据、从网络摄像头解析帧数据，或者从手机解析数据；第7章给出一些在浏览器中操作数据的实用方法；第8章通过一些小项目详细阐释TensorFlow.js实践细节。