"李金洪
“大蛇智能”网站创始人、“代码医生”工作室主程序员。
精通Python、C、C++、汇编、Java和Go等多种编程语言。擅长神经网络、算法、协议分析、逆向工程和移动互联网安全架构等技术。
在深度学习领域，参与过某移动互联网后台的OCR项目、某娱乐"

======= 篇 准备
章 学习准备 /.. 2
1.1 什么是TensorFlow 框架 /. 2
1.2 如何学习本书 /... 3
/
第2 章 快速上手TensorFlow /.. 5
2.1 配置TensorFlow 环境 /. 5
2.2 训练模型的两种方式 / 13
2.2.1 “静态图”方式 /...13
2.2.2 “动态图”方式 /...14
2.3 实例1：用静态图训练模型，使其能够从一组数据中找到y≈2x 规律 15
2.4 实例2：用动态图训练一个具有保存检查点功能的回归模型 24
/
第3 章 TensorFlow 2.X 编程基础 /.. 28
3.1 动态图的编程方式 /. 28
3.1.1 实例3：在动态图中获取参数 /...28
3.1.2 实例4：在静态图中使用动态图 /...31
3.1.3 什么是自动图 /..32
3.2 掌握估算器框架接口的应用 / 33
3.3 实例7：将估算器模型转化成静态图模型 49
3.4 实例8：用估算器框架实现分布式部署训练 54
3.5 掌握tf.keras 接口的应用 /... 58
3.6 分配运算资源与使用分布策略 .. 72
3.7 用tfdbg 调试TensorFlow 模型 ... 75
3.8 用自动混合精度加速模型训练 .. 75
/
=======第2 篇 基础
第4 章 用TensorFlow 制作自己的数据集 80
4.1 数据集的基本介绍 /. 80
4.2 实例11：将模拟数据制作成内存对象数据集 .. 82
4.3 实例12：将图片制作成内存对象数据集 .. 88
4.4 实例13：将Excel 文件制作成内存对象数据集 ... 94
4.5 实例14：将图片文件制作成TFRecord 数据集 ... 98
4.6 实例15：将内存对象制作成Dataset 数据集 .. 104
4.7 实例16：将图片文件制作成Dataset 数据集 .. 117
4.7.1 代码实现：读取样本文件的目录及标签 .. 117
4.8 实例17：在动态图中读取Dataset 数据集 .. 123
4.9 实例18：在不同场景中使用数据集 125
4.10 tf.data.Dataset 接口的更多应用 .. 129
/
第5 章 数值分析与特征工程 / 130
5.1 什么是特征工程 /... 130
5.1.1 特征工程的作用 /. 130
5.1.2 特征工程的方法 /. 131
5.1.3 离散数据特征与连续数据特征 / 131
5.1.4 连续数据与离散数据的相互转换 / 132
5.2 什么是特征列接口 /.. 132
5.2.1 实例19：用feature_column 模块处理连续值特征列 .. 132
5.2.2 实例20：将连续值特征列转换成离散值特征列 . 136
5.2.3 实例21：将离散文本特征列转换为one-hot 编码与词向量 ... 139
5.2.4 实例22：根据特征列生成交叉列 . 147
5.2.5 了解序列特征列接口 /. 148
5.2.6 实例23：使用序列特征列接口对文本数据预处理 . 149
5.3 实例24：用wide_deep 模型预测人口收入 153
5.4 实例25：梯度提升树（TFBT）接口的应用 .. 170
5.5 实例26：基于知识图谱的电影推荐系统 173
5.6 实例27：预测飞机发动机的剩余使用寿命 182
/
=======第3 篇 进阶
第6 章 自然语言处理 /... 200
6.1 BERT 模型与NLP 的发展阶段 200
6.2 实例28：用TextCNN 模型分析评论者是否满意 .. 201
6.2.1 什么是卷积神经网络 /. 201
6.2.2 模型任务与数据集介绍 /. 202
6.2.3 熟悉模型：了解TextCNN 模型 /.. 202
6.2.4 数据预处理：用preprocessing 接口制作字典 .. 203
6.2.5 代码实现：生成NLP 文本数据集 206
6.2.6 代码实现：定义TextCNN 模型 /.. 208
6.2.7 运行程序 / 210
6.3 实例29：用带有注意力机制的模型分析评论者是否满意 210
6.4 实例30：用带有动态路由的RNN 模型实现文本分类任务 . 224
6.5 NLP 中的常见任务及数据集 236
6.6 了解Transformers 库 /... 239
6.7 实例31：用管道方式完成多种NLP 任务 .. 243
6.8 Transformers 库中的自动模型类（TFAutoModel） ... 255
6.9 Transformers 库中的BERTology 系列模型 . 259
6.10 Transformers 库中的词表工具 269
6.11 BERTology 系列模型 /. 281
6.12 用迁移学习训练BERT 模型来对中文分类 ... 300
/
第7 章 机器视觉处理 /... 307
7.1 实例34：使用预训练模型识别图像 307
7.2 了解EfficientNet 系列模型 /. 311
7.3 实例36：在估算器框架中用tf.keras 接口训练ResNet 模型，识别图片中是橘子还是苹果 /.. 325
7.3.1 样本准备 / 325
7.3.2 代码实现：准备训练与测试数据集 .. 326
7.3.3 代码实现：制作模型输入函数 / 326
7.3.4 代码实现：搭建ResNet 模型 /.. 327
7.3.5 代码实现：训练分类器模型 / 328
7.3.6 运行程序：评估模型 /. 329
7.3.7 扩展：全连接网络的优化 / 330
7.3.8 在微调过程中如何选取预训练模型 .. 330
7.4 基于图片内容的处理任务 /.. 331
7.5 实例37：用YOLO V3 模型识别门牌号 . 341
/
=======第4 篇 不错
第8 章 生成式模型――能够输出内容的模型 . 364
8.1 快速了解信息熵（information entropy） 364
8.2 通用的无监督模型――自编码与对抗神经网络 . 372
8.3 实例38：用多种方法实现变分自编码神经网络 373
8.4 常用的批量归一化方法 /.. 386
8.5 实例39：构建DeblurGAN 模型，将模糊照片变清晰 .. 388
8.6 全面了解WGAN 模型 / 404
8.7 实例40：构建AttGAN 模型，对照片进行加胡子、加头帘、加眼镜、变年轻等修改/.. 411
8.8 散度在神经网络中的应用 /.. 440
8.9 实例42：用优选化互信息（DIM）模型做一个图片搜索器 453
/
第9 章 识别未知分类的方法――零次学习 . 464
9.1 了解零次学习 /... 464
9.2 零次学习中的常见难点 /.. 469
9.3 带有视觉结构约束的直推ZSL（VSC 模型） 472
9.4 详解Sinkhorn 迭代算法 /.. 481
9.5 实例43：用VSC 模型识别图片中的鸟属于什么类别 .. 490
9.5.1 模型任务与样本介绍 /. 490
9.5.2 用迁移学习的方式获得训练集分类模型 .. 492
9.5.3 用分类模型提取图片的视觉特征 / 492
9.5.4 代码实现：训练VSC 模型，将类属性特征转换成类视觉特征 . 493
9.5.5 代码实现：基于W 距离的损失函数 494
9.5.6 加载数据并进行训练 /. 495
9.5.7 代码实现：根据特征距离对图片进行分类 .. 496
9.6 提升零次学习精度的方法 /.. 497
9.6.1 分析视觉特征的质量 /. 497
9.6.2 分析直推式学习的效果 /. 499
9.6.3 分析直推模型的能力 /. 499
9.6.4 分析未知类别的聚类效果 / 500
9.6.5 清洗测试数据集 /. 502
9.6.6 利用可视化方法进行辅助分析 / 503
后记――让技术更好地商业化落地 /. 505

本书基于TensorFlow 2.1 版本进行编写。书中内容分为4 篇。 篇包括TensorFlow 的安装、使用方法。这部分内容可以使读者快速上手TensorFlow 工具。第2 篇包括数据集制作、特征工程等数据预处理工作，以及与数值分析相关的模型（其中包括wide_deep 模型、梯度提升树、知识图谱、带有JANET 单元的RNN 等模型）。第3 篇从自然语言处理、计算机视觉两个应用方向介绍了基础的算法原理和主流的模型。具体包括：TextCNN 模型、带有注意力机制的模型、带有动态路由的RNN 模型、BERTology 系列模型、EfficientNet系列模型、Anchor-Free 模型、YOLO V3 模型等。第4 篇介绍了生成式模型和零次学习两种技术，其中系统地介绍了信息熵、归一化、f-GAN、很优传输、Sinkhorn 算法，以及变分自编码、DeblurGAN、AttGAN、DIM、VSC 等模型。本书结构清晰、案例丰富、通俗易懂、实用性强，适合对人工智能、TensorFlow 感兴趣的读者作为自学教程。另外，本书也适合社会培训学校作为培训教材，还适合计算机相关专业作为教学参考书。