21個項目玩轉(zhuǎn)深度學(xué)習(xí)：基于TensorFlow的實踐詳解

第1章MNIST機器學(xué)習(xí)入門1
1.1MNIST數(shù)據(jù)集2
1.1.1簡介2
1.1.2實驗：將MNIST數(shù)據(jù)集保存為圖片5
1.1.3圖像標(biāo)簽的獨熱(one-hot)表示6
1.2利用TensorFlow識別MNIST8
1.2.1Softmax回歸8
1.2.2兩層卷積網(wǎng)絡(luò)分類14
1.3總結(jié)18
第2章CIFAR-10與ImageNet圖像識別19
2.1CIFAR-10數(shù)據(jù)集20
2.1.1CIFAR-10簡介20
2.1.2下載CIFAR-10數(shù)據(jù)21
2.1.3TensorFlow的數(shù)據(jù)讀取機制23
2.1.4實驗：將CIFAR-10數(shù)據(jù)集保存為圖片形式30
2.2利用TensorFlow訓(xùn)練CIFAR-10識別模型34
2.2.1數(shù)據(jù)增強（DataAugmentation）34
2.2.2CIFAR-10識別模型36
2.2.3訓(xùn)練模型39
2.2.4在TensorFlow中查看訓(xùn)練進度39
2.2.5測試模型效果42
2.3ImageNet圖像識別模型44
2.3.1ImageNet數(shù)據(jù)集簡介44
2.3.2歷代ImageNet圖像識別模型45
2.4總結(jié)49
第3章打造自己的圖像識別模型50
3.1微調(diào)（Fine-tune）的原理51
3.2數(shù)據(jù)準(zhǔn)備52
3.3使用TensorFlowSlim微調(diào)模型56
3.3.1下載TensorFlowSlim的源代碼56
3.3.2定義新的datasets文件57
3.3.3準(zhǔn)備訓(xùn)練文件夾59
3.3.4開始訓(xùn)練60
3.3.5訓(xùn)練程序行為62
3.3.6驗證模型正確率63
3.3.7TensorBoard可視化與超參數(shù)選擇64
3.3.8導(dǎo)出模型并對單張圖片進行識別65
3.4總結(jié)69
第4章DeepDream模型70
4.1DeepDream的技術(shù)原理71
4.2TensorFlow中的DeepDream模型實踐73
4.2.1導(dǎo)入Inception模型73
4.2.2生成原始的DeepDream圖像76
4.2.3生成更大尺寸的DeepDream圖像78
4.2.4生成更高質(zhì)量的DeepDream圖像82
4.2.5最終的DeepDream模型87
4.3總結(jié)90