TensorFlow从零开始学

7.4 RNN 实战项目二：聊天机器人

7.3 RNN 实战项目一：新闻文本分类

7.2 CNN 实战项目二：CIFAR-10

7.1 CNN 实战项目一：Chars74K

第7章 项目实战

6.8 本章练习

6.7 本章小结

6.6 深度强化学习算法

6.5 强化学习算法

6.4 无模型的强化学习方法

6.3 有模型的强化学习方法

6.2 强化学习基础知识

6.1 从AlphaGo看深度强化学习

第6章 深度强化学习

5.8 本章练习

5.7 本章小结

5.6 注意力模型

5.5 循环神经网络的应用

5.4 门控循环神经网络

5.3 长期依赖问题及其优化

5.2 常用循环神经网络

5.1 简单循环神经网络

第5章 循环神经网络

4.6 本章练习

4.5 本章小结

4.4 小试牛刀：CNN实现图像分类

4.3 池化层

4.2 卷积层

4.1 卷积神经网络的基本特征与基本结构

第4章 卷积神经网络

3.6 本章练习

3.5 本章小结

3.4 小试牛刀：MNIST手写数字识别

3.3 损失函数和输出单元

3.2 激活函数

3.1 神经网络

第3章 前馈神经网络

2.5 本章小结

2.4 使用GPU 加速

2.3 TensorFlow2.0的使用

2.2 TensorFlow2.0的安装

2.1 TensorFlow2.0简介

第2章 TensorFlow基础

1.4 本章练习

1.3 深度学习的发展历程及应用

1.2 机器学习

1.1 人工智能：是机遇也是挑战

第1章 机器学习基础

前言

内容简介

版权信息

封面

封面

版权信息

内容简介

前言

第1章 机器学习基础

1.1 人工智能：是机遇也是挑战

1.2 机器学习

1.3 深度学习的发展历程及应用

1.4 本章练习

第2章 TensorFlow基础

2.1 TensorFlow2.0简介

2.2 TensorFlow2.0的安装

2.3 TensorFlow2.0的使用

2.4 使用GPU 加速

2.5 本章小结

第3章 前馈神经网络

3.1 神经网络

3.2 激活函数

3.3 损失函数和输出单元

3.4 小试牛刀：MNIST手写数字识别

3.5 本章小结

3.6 本章练习

第4章 卷积神经网络

4.1 卷积神经网络的基本特征与基本结构

4.2 卷积层

4.3 池化层

4.4 小试牛刀：CNN实现图像分类

4.5 本章小结

4.6 本章练习

第5章 循环神经网络

5.1 简单循环神经网络

5.2 常用循环神经网络

5.3 长期依赖问题及其优化

5.4 门控循环神经网络

5.5 循环神经网络的应用

5.6 注意力模型

5.7 本章小结

5.8 本章练习

第6章 深度强化学习

6.1 从AlphaGo看深度强化学习

6.2 强化学习基础知识

6.3 有模型的强化学习方法

6.4 无模型的强化学习方法

6.5 强化学习算法

6.6 深度强化学习算法

6.7 本章小结

6.8 本章练习

第7章 项目实战

7.1 CNN 实战项目一：Chars74K

7.2 CNN 实战项目二：CIFAR-10

7.3 RNN 实战项目一：新闻文本分类

7.4 RNN 实战项目二：聊天机器人