TensorFlow與神經網路

本書從人工智慧的發展史講起，逐步深入神經網路的框架結構以及演算法優化的原理，
最後透過經典實戰案例示範神經網路的具體工作流程，讓讀者透過理論結合實戰的方式深入了解深度學習的核心特點及用法。
本書共10章，涵蓋的主要內容有深度學習探索、安裝TensorFlow、初識TensorFlow、深度神經網路、機器學習最佳化問題、
全連結神經網路的經典實戰、卷積神經網路、經典卷積神經網路實戰系列、循環神經網路、對抗神經網路。
本書配有漫畫插圖，以經典案例和身邊的生活場景作為演算法實操的素材來源，
大大增強了本書的可讀性，非常適合深度學習及人工智慧愛好者閱讀。
另外，本書也可作為高等院校或相關培訓機構的教材。

第1章深度學習探索
1.1 什麼是深度學習
1.2 人工智慧發展史
1.3 機器學習的誕生
1.4 什麼是機器學習
1.4.1 資料集
1.4.2 多維空間
1.4.3 維數禍根
1.4.4 監督學習
1.4.5無監督學習
1.4.6 半監督學習
1.5 橫空出世的深度學習
1.5.1 人工神經網路
1.5.2 TensorFlow
1.6 其他深度學習框架
1.6.1 Caffe框架的優劣勢
1.6.2 Torch框架的優劣勢
1.6.3 Theano框架
1.6.4 MXNet框架的優劣勢
1.6.5 Keras框架的優劣勢
1.7 深度學習的主流應用
1.7.1 電腦視覺
1.7.2 自然語言處理
1.7.3 強化學習
第2章安裝TensorFlow
2.1 安裝前的準備工作
2.1.1 關於Python
2.1.2 Python運行環境的安裝
2.2 開始使用TensorFlow
2.2.1 系統內配置Anaconda的使用路徑
2.2.2 在Anaconda Navigator內設定路徑
2.2.3 Python編譯器（PyCharm）的安裝
2.2. 4 利用Python創建程式
第3章初識TensorFlow
3.1 走進TensorFlow遊樂場
3.1.1 啟動按鈕與循環次數
3.1.2 最佳化選項設定
3.1.3 回歸與分類的範例
3.1.4 資料選擇
3.1.5 訓練參數設定
3.1.6 神經網路設定
3.1.7 輸出
3.2 初識TensorFlow
3.2.1 什麼是張量
3.2.2 TensorFlow的基本概念
3.2.3 計算圖的概念與使用
3.3 TensorFlow資料儲存策略－張量
3.3.1 不同階的張量說明
3.3.2 張量在TensorFlow中的使用
3.4 TensorFlow的使用技巧
3.4.1 常數
…
第4章深度神經網路
第6章全連接神經網路的經典實戰
第5章機器學習優化問題
第7章卷積神經網路
第8章經典卷積神經網路實戰系列
第9章循環神經網路
第10章對抗神經網路