本书从介绍深度学习和重要入门知识入手，通过范例讲解TensorFlow的应用开发。本书文字清晰、严谨，并辅以简洁明了的插图说明，同时提供步骤细致的范例程序教学，让读者可以轻松理解并掌握深度学习原理和TensorFlow开发方法。
本书分为12章，内容包括：环境安装、TensorFlow 2.0介绍、回归问题、二分类问题、多分类问题、神经网络训练技巧、TensorFlow 2.0高级技巧、TensorBoard高级技巧、卷积神经网络经典架构、迁移学习、变分自编码器和生成式对抗网络。
本书适合TensorFlow深度学习自学者、深度学习开发人员、人工智能行业咨询顾问等阅读，也适合作为高等院校和培训学校人工智能及其相关专业师生的教学参考书。

第1章 环境安装
1.1 Python安装
1.1.1 Windows安装方法
1.1.2 Ubuntu安装方法
1.2 TensorFlow安装
1.2.1 Windows安装方法
1.2.2 Ubuntu安装方法
1.3 Python 扩充套件安装
1.4 Jupyter Notebook
1.4.1 Windows安装方法
1.4.2 Ubuntu安装方法
1.4.3 设置并建立项目
1.4.4 常用快捷键
1.4.5 Jupyter Notebook操作练习
1.5 本书的范例程序
1.5.1 在Windows中打开项目
1.5.2 在Ubuntu中打开项目
第2章 TensorFlow 2.0介绍
2.1 什么是深度学习
2.2 建立项目
2.3 TensorFlow介绍
2.4 TensorFlow 2.0的变化
2.5 Eager Execution
2.5.1 Eager Execution介绍
2.5.2 TensorFlow基本运算
2.6 Keras
2.6.1 Keras介绍
2.6.2 序贯模型
2.6.3 Functional API
2.7 tf.data
2.7.1 tf.data介绍
2.7.2 基本操作
第3章 回归问题
3.1 深度神经网络
3.1.1 神经网络简史
3.1.2 神经网络原理
3.1.3 全连接
3.1.4 损失函数MSE和MAE
3.1.5 神经网络权重更新
3.1.6 神经网络训练步骤
3.2 Kaggle介绍
3.3 实验一：房价预测模型
3.3.1 数据集介绍
3.3.2 新建项目
3.3.3 程序代码
3.4 TensorBoard介绍
3.5 实验二：过拟合问题
3.5.1 过拟合说明
3.5.2 程序代码
3.5.3 TensorBoard数据分析
3.6 参考文献
第4章 二分类问题
4.1 机器学习的四大类别
4.2 二分类问题介绍
4.2.1 逻辑回归
4.2.2 Sigmoid
4.2.3 二分类交叉熵
4.2.4 独热编码
4.3 实验：精灵宝可梦对战预测
4.3.1 数据集介绍
4.3.2 新建项目
4.3.3 程序代码
4.4 参考文献
第5章 多分类问题
5.1 卷积神经网络
5.1.1 卷积神经网络简介
5.1.2 卷积神经网络架构
5.1.3 卷积神经网络的原理
5.2 多分类问题介绍
5.2.1 Softmax
5.2.2 多分类交叉熵
5.2.3 数据增强
5.3 实验：CIFAR-10图像识别
5.3.1 数据集介绍
5.3.2 TensorFlow Datasets
5.3.3 新建项目
5.3.4 程序代码
5.4 参考文献
第6章 神经网络训练技巧
6.1 反向传播
6.2 权重初始化
6.2.1 正态分布
6.2.2 Xavier/Glorot初始化
6.2.3 He初始化
6.3 批量归一化
6.3.1 批量归一化介绍
6.3.2 批量归一化网络架构
6.4 实验一：使用CIFAR-10数据集实验3种权重初始化方法
6.4.1 新建项目
6.4.2 建立图像增强函数
6.4.3 程序代码
6.4.4 TensorBoard可视化权重分布
6.5 实验二：使用CIFAR-10数据集实验批量归一化方法
6.6 总结各种网络架构的性能比较
6.7 参考文献
第7章 TensorFlow 2.0高级技巧
7.1 TensorFlow高级技巧
7.1.1 自定义网络层
7.1.2 自定义损失函数
7.1.3 自定义评价指标函数
7.1.4 自定义回调函数
7.2 Keras高级API与自定义API比较
7.2.1 网络层
7.2.2 损失函数
7.2.3 评价指标函数
7.2.4 回调函数
7.3 实验：比较Keras高级API和自定义API两种网络训练的结果
7.3.1 新建项目
7.3.2 程序代码
第8章 TensorBoard高级技巧
8.1 TensorBoard的高级技巧
8.1.1 tf.summary
8.1.2 tf.summary.scalar
8.1.3 tf.summary.image
8.1.4 tf.summary.text
8.1.5 tf.summary.audio
8.1.6 tf.summary.histogram
8.2 实验一：使用tf.summary.image记录训练结果
8.2.1 新建项目
8.2.2 程序代码
8.3 实验二：使用TensorBoard超参数调校工具来训练多个网络模型
8.3.1 启动TensorBoard（命令行）
8.3.2 程序代码
第9章 卷积神经网络经典架构
9.1 神经网络架构
9.1.1 LeNet
9.1.2 AlexNet
9.1.3 VGG
9.1.4 GoogLeNet
9.1.5 ResNet
9.1.6 总结各种网络架构的比较
9.2 实验：实现Inception V3网络架构
9.2.1 新建项目
9.2.2 Keras Applications
9.2.3 TensorFlow Hub
9.3 参考文献
第10章 迁移学习
10.1 认识迁移学习
10.1.1 迁移学习介绍
10.1.2 迁移学习训练技巧
10.2 实验：迁移学习范例
10.2.1 新建项目
10.2.2 数据集介绍
10.2.3 程序代码
10.3 参考文献
第11章 变分自编码器
11.1 自编码器介绍
11.2 变分自编码器介绍
11.3 变分自解码器的损失函数
11.4 实验：变分自编码器程序代码的实现
11.4.1 建立项目
11.4.2 数据集介绍
11.4.3 变分自编码器项目说明
11.4.4 变分自编码器训练和生成图像
11.5