第1章 入门知识

1.1 TensorFlow安装

1.1.1 TensorFlow-主界面

1.1.2 TensorFlow-安装页面

1.1.3通过pip安装

1.1.4通过CoCalc安装

1.2简单计算

1.2.1定义标量和张量

1.2.2张量计算

1.2.3执行计算

1.2.4张量变量

1.2.5查看和替换中间值

1.3逻辑回归模型建模

1.3.1导入字体分类数据集

1.3.2逻辑回归分析

1.3.3数据准备

1.3.4构建TensorFlow模型

1.4逻辑回归模型训练

1.4.1编写损失函数

1.4.2训练模型

1.4.3评估模型精度

1.5小结

第2章 深度神经网络

2.1基本神经网络

2.1.1 log函数

2.1.2 sigmoid函数

2.2单隐层模型

2.2.1单隐层模型探讨

2.2.2反向传播算法

2.3单隐层模型解释

2.3.1理解模型权重

2.4多隐层模型

2.4.1多隐层模型探讨

2.5多隐层模型结果

2.5.1多隐层模型图理解

2.6小结

第3章 卷积神经网络

3.1卷积层激励

3.1.1多特征提取

3.2卷积层应用

3.2.1卷积层探讨

3.3池化层激励

3.3.1最大池化层

3.4池化层应用

3.5深度卷积神经网络

3.5.1添加卷积层和池化层组合

3.5.2应用卷积神经网络进行字体分类

3.6更深度卷积神经网络

3.6.1对卷积神经网络中的一层添加另一层

3.7整理总结深度卷积神经网络

3.8小结

第4章 递归神经网络

4.1递归神经网络探讨

4.1.1权重建模

4.1.2递归神经网络理解

4.2 TensorFlow Learn

4.2.1设置

4.2.2逻辑回归

4.3深度神经网络

4.3.1卷积神经网络在Learn中的应用

4.3.2权重提取

4.4小结

第5章 总结整理

5.1研究评价

5.2所有模型的快速回顾

5.2.1逻辑回归模型

5.2.2单隐层神经网络模型

5.2.3深度神经网络

5.2.4卷积神经网络

5.2.5深度卷积神经网络

5.3 TensorFlow的展望

5.3.1一些TensorFlow工程项目

5.4小结