袁梅宇，北航工学博士，硕士导师，现在昆明理工大学计算机系任教。为本科生和研究生主讲Java程序设计、Java EE技术、数据库原理、人工智能、Dot Net技术等核心课程，参加过863 CIMS Net建设、中欧合作项目DRAGON和多项国家基金和省基金项目，作者公开发表论文十余篇，软件著作权（颁证）六项。作者专著有《Java EE企业级编程开发实例详解》、《数据挖掘与机器学习——WEKA应用技术与实践》（版、第二版）、《求精要诀——Java EE编程开发案例精讲》。

章 TensorFlow介绍\t1
1.1 深度学习与TensorFlow简介\t2
1.1.1 深度学习简介\t2
1.1.2 TensorFlow简介\t3
1.2 TensorFlow的安装\t6
1.2.1 Anaconda下载\t6
1.2.2 在Windows平台安装TensorFlow\t7
1.2.3 在Linux Ubuntu下安装TensorFlow\t8
1.2.4 Anaconda管理\t9
1.3 常用数据集\t13
1.3.1 MNIST数据集\t13
1.3.2 Fashion-MNIST数据集\t14
1.3.3 IMDB数据集\t16
1.3.4 CIFAR-10数据集\t18
1.3.5 REUTERS数据集\t20
1.3.6 QIQC数据集\t22
1.3.7 Dogs vs. Cats数据集\t23
第2章 TensorFlow文件操作\t25
2.1 CSV文件操作\t26
2.1.1 读取CSV文件\t26
2.1.2 生成CSV文件\t27
2.2 编写网络下载程序\t28
2.3 TFRecords文件操作\t30
2.3.1 生成TFRecords文件\t30
2.3.2 读取TFRecords文件\t33
2.4 数据集API\t35
2.4.1 数据集对象\t35
2.4.2 读取内存数据\t36
2.4.3 读取文本文件\t38
2.4.4 读取CSV文件\t39
2.4.5 读取图像文件\t41
第3章 BP神经网络原理与实现\t45
3.1 神经网络构件\t46
3.1.1 神经元\t46
3.1.2 激活函数\t47
3.2 神经网络原理\t52
3.2.1 神经网络表示\t52
3.2.2 前向传播\t54
3.2.3 代价函数\t58
3.2.4 梯度下降\t58
3.2.5 反向传播\t60
3.3 BP神经网络的Python实现\t62
3.3.1 辅助函数\t62
3.3.2 前向传播实现\t66
3.3.3 反向传播实现\t68
3.3.4 模型训练和预测\t72
3.3.5 主函数和运行结果\t74
3.4 BP神经网络的TensorFlow实现\t76
3.4.1 加载数据集\t76
3.4.2 模型训练和预测\t77
第4章 TensorFlow基础编程\t79
4.1 TensorFlow的编程环境\t80
4.2 TensorFlow计算图\t81
4.3 核心概念\t81
4.3.1 变量与占位符\t81
4.3.2 矩阵运算\t85
4.3.3 常用运算符\t86
4.3.4 图、会话及运行\t87
4.4 通过实例学习TensorFlow\t90
4.4.1 异或问题描述与解决思路\t90
4.4.2 低级API解决异或问题\t91
4.4.3 用Keras解决异或问题\t93
4.4.4 用Estimators解决异或问题\t94
4.5 一个简单的文本分类示例\t97
4.6 TensorBoard可视化工具\t101
4.6.1 启动TensorBoard\t101
4.6.2 在浏览器中查看\t103
第5章 神经网络训练与优化\t107
5.1 神经网络迭代概述\t108
5.1.1 训练误差与泛化误差\t108
5.1.2 训练集、验证集和测试集的划分\t109
5.1.3 偏差与方差\t111
5.2 正则化方法\t112
5.2.1 提前终止\t113
5.2.2 正则化\t113
5.2.3 Dropout\t115
5.3 优化算法\t117
5.3.1 小批量梯度下降\t117
5.3.2 Momentum算法\t119
5.3.3 RMSProp算法\t121
5.3.4 Adam算法\t124
第6章 卷积神经网络原理\t127
6.1 CNN介绍\t128
6.1.1 CNN与图像处理\t128
6.1.2 卷积的基本原理\t128
6.1.3 池化的基本原理\t138
6.2 Keras实现LeNet-5网络\t142
6.2.1 LeNet-5介绍\t142
6.2.2 使用Keras实现LeNet-5网络\t143
6.3 用Estimator实现CIFAR-10图像识别\t147
6.3.1 预创建的Estimator\t147
6.3.2 定制 Estimator\t151
6.3.3 用TensorBoard查看\t157
第7章 卷积神经网络示例\t161
7.1 经典CNN案例\t162
7.1.1 VGG\t162
7.1.2 ResNet\t163
7.1.3 Inception\t165
7.1.4 Xception\t168
7.2 使用预训练的CNN\t169
7.2.1 直接使用预训练CNN\t169
7.2.2 数据生成器\t172
7.2.3 特征提取\t173
7.2.4 微调\t181
7.3 CNN可视化\t183
7.3.1 中间激活可视化\t183
7.3.2 过滤器可视化\t190
第8章 词嵌入模型\t195
8.1 词嵌入模型介绍\t196
8.1.1 独热码\t196
8.1.2 词嵌入\t202
8.2 词嵌入学习\t204
8.2.1 词嵌入学习的动机\t204
8.2.2 Skip-Gram算法\t205
8.2.3 CBOW算法\t207
8.2.4 负采样\t208
8.2.5 GloVe算法\t211
8.3 Word2Vec算法实现\t212
8.3.1 Skip-Gram算法实现\t212
8.3.2 CBOW算法实现\t218
8.3.3 负采样Skip-Gram算法实现\t220
第9章 循环神经网络原理\t229
9.1 RNN介绍\t230
9.1.1 有记忆的神经网络\t230
9.1.2 RNN的用途\t233
9.2 基本的RNN模型\t236
9.2.1 基本RNN的原理\t236
9.2.2 基本RNN的训练问题\t241
9.2.3 基本RNN示例\t243
9.3 LSTM\t246
9.3.1 LSTM原理\t246
9.3.2 LSTM示例\t250
9.4 GRU\t251
9.4.1 GRU原理\t251
9.4.2 GRU示例\t253
0章 循环神经网络示例\t255
10.1 情感分析\t256
10.2 文本序列数据生成\t262
10.2.1 向莎士比亚学写诗\t262
10.2.2 神经机器翻译\t268
参考文献 \t282

《深度学习TensorFlow编程实战》讲述深度学习的基本原理，使用TensorFlow实现涉及的深度学习算法。通过理论学习和编程操作，使读者了解并掌握深度学习的原理和TensorFlow编程技能，拉近理论与实践的距离。全书共分为10章，主要内容包括TensorFlow介绍、TensorFlow文件操作、BP神经网络原理与实现、TensorFlow基础编程、神经网络训练与优化、卷积神经网络原理、卷积神经网络示例、词嵌入模型、循环神经网络原理、循环神经网络示例。全书源码全部在TensorFlow 1.13版本上调试成功。
《深度学习TensorFlow编程实战》内容较全面、可操作性强，做到了理论与实践相结合。本书适合深度学习和TensorFlow编程人员作为入门和提高的技术参考书，也适合用作计算机专业高年级本科生和研究生的教材或教学参考书。