TensorFlow 从入门到精通

📘 30章 · 动手学AI
第 1 章
  • 发展史
  • 2.x vs 1.x
  • 应用场景
  • CPU/GPU安装
第 2 章
  • 张量
  • 计算图
  • 会话
  • Eager Execution
第 3 章
  • 张量创建
  • 属性
  • 索引与切片
第 4 章
  • 算术运算
  • 矩阵运算
  • 广播
  • 规约
第 5 章
  • GradientTape
  • 计算梯度
  • 控制梯度
  • 高阶梯度
第 6 章
  • 创建与初始化
  • 读写
  • 生命周期
第 7 章
  • tf.constant
  • Variable
  • 2.x占位符替代
第 8 章
  • Dataset创建
  • map/batch/shuffle
  • 性能优化
第 9 章
  • 数值列
  • 类别列
  • 嵌入列
  • 交叉列
第 10 章
  • Sequential
  • Functional API
  • Model子类化
第 11 章
  • Dense层
  • 激活函数
  • 网络构建
  • 前向传播
第 12 章
  • MAE/MSE/CrossEntropy
  • SGD/Adam/RMSprop
第 13 章
  • compile/fit
  • evaluate/predict
  • 回调函数
第 14 章
  • SaveModel
  • HDF5
  • 权重保存
  • 完整模型
第 15 章
  • 卷积层
  • 池化层
  • 填充/步长
  • LeNet/AlexNet
第 16 章
  • CIFAR-10/ImageNet
  • 数据增强
  • 迁移学习
第 17 章
  • RNN原理
  • LSTM
  • GRU
  • 序列数据处理
第 18 章
  • 文本分词
  • 词嵌入
  • 情感分析
第 19 章
  • 自注意力
  • 多头注意力
  • Transformer
  • BERT简介
第 20 章
  • 生成器/判别器
  • DCGAN
  • 训练技巧
第 21 章
  • AE原理
  • VAE原理
  • 图像生成
第 22 章
  • 环境/智能体
  • 策略
  • DQN算法
第 23 章
  • MirroredStrategy
  • MultiWorker
  • TPUStrategy
第 24 章
  • SavedModel导出
  • REST API
  • gRPC部署
第 25 章
  • 模型转换
  • 量化
  • 移动端/嵌入式
第 26 章
  • 浏览器加载
  • 训练与推理
第 27 章
  • 数据验证
  • 特征工程
  • 模型评估
  • 流水线
第 28 章
  • TensorBoard
  • 模型分析
  • 过拟合/欠拟合
第 29 章
  • Layer子类化
  • Model子类化
  • 自定义训练循环
第 30 章
  • 端到端项目
  • 数据收集到部署