《21 个项目玩转深度学习——基于TensorFlow 的实践详解》以实践为导向,深入介绍了深度学习技术和TensorFlow 框架编程内容。通过本书,读者可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用,还可以使用神经网络生成图像和文本,进行时间序列预测、搭建机器翻译引擎,训练机器玩游戏。全书共包含21 个项目,分为深度卷积网络、RNN网络、深度强化学习三部分。读者可以在自己动手实践的过程中找到学习的乐趣,了解算法和编程框架的细节,让学习深度学习算法和TensorFlow 的过程变得轻松和高效。本书代码基于TensorFlow 1.4 及以上版本,并介绍了TensorFlow 中的一些新特性。
tensorflow21个项目玩转深度学习源代码人脸检测图像识别目标检测RNN文本生成SARSA算法.docx
(69.79 KB, 需要: RMB 29 元)
(150多MB压缩包的网盘链接)
以下是各章代码详细的运行方法:
1. [MNIST机器学习入门](chapter_1/README.md)
2. [CIFAR-10与ImageNet图像识别](chapter_2/README.md)
3. [打造自己的图像识别模型](chapter_3/README.md)
4. [Deep Dream](chapter_4/README.md)
5. [深度学习中的目标检测](chapter_5/README.md)
6. [人脸检测和人脸识别](chapter_6/README.md)
7. [图像风格迁移](chapter_7/README.md)
8. [GAN与DCGAN入门](chapter_8/README.md)
9. [pix2pix模型与自动上色技术](chapter_9/README.md)
10. [超分辨率:让图像变得更清晰](chapter_10/README.md)
11. [CycleGAN与非配对图像转换](chapter_11/README.md)
12. [RNN基本结构与Char RNN文本生成](chapter_12/README.md)
13. [序列分类问题详解](chapter_13/README.md)
14. [词的向量表示:word2vec与词嵌入](chapter_14/README.md)
15. [在TensorFlow中进行时间序列预测](chapter_15/README.md)
16. [神经网络机器翻译技术](chapter_16/README.md)
17. [看图说话:将图像转换为文字](chapter_17/README.md)
18. [强化学习入门之Q Learning](chapter_18/README.md)
19. [强化学习入门之SARSA算法](chapter_19/README.md)
20. [深度强化学习:Deep QLearning](chapter_20/README.md)
21. [策略梯度(Policy Gradient)算法](chapter_21/README.md)
本书包含的项目主要有三部分:第1~11章主要介绍CNN相关的项目,其中8~11章为GAN模型和它的几个重要变体;第12~17章主要介绍RNN、LSTM 相关的项目;第18~21章主要介绍强化学习相关的项目。


雷达卡




京公网安备 11010802022788号







