本书基于TensorFlow.NET框架，详细介绍了.NET平台下深度学习的基础原理和应用技术，不仅阐述了算法原理，还演示了实践代码和运行效果，其中完整示例主要采用的语言为C#和F#。全书分为3个部分：第一部分介绍了核心API的用法和基础示例，包括数据类型、张量、Eager Mode、自动求导、线性回归、逻辑回归、tf.data、深度神经网络和AutoGraph机制，读者可以通过学习这一部分内容快速入门；第二部分重点演示了.NET Keras的用法，包括模型、网络层、常用API、模型搭建和模型训练，读者可以由此掌握主流的深度学习方法；第三部分主要是生产应用和案例实操，包括GPU环境搭建、自定义数据集训练、图像分类、目标检测、迁移学习、自然语言处理、生成对抗网络和F#应用案例，每个案例均有完整的代码。
本书涵盖深度学习的方法和实践，主要面向在校大学生、生产技术人员和研究人员，适合具备.NET编程基础，希望通过.NET技术开发深度学习应用的读者阅读。

仇华，从事机器视觉和机器学习开发的工作14年，目前在TCL担任资深软件工程师。SciSharp Stack开源社区核心组成员，TensorFlow苏州社区创办者，多年来专注于图像算法和深度学习领域的研究，获得谷歌深度学习开发者认证、微软AIM人工智能经理证书和苏州市高级视觉工程师证书。

第一部分 TensorFlow.NET API入门
第1章 TensorFlow.NET介绍
1.1 TensorFlow.NET特性
1.2 TensorFlow.NET开源库结构
第2章 数据类型与张量详解
2.1 数据类型
2.2 张量详解
2.3 常量与变量
2.4 字符串常见操作
2.5 基本张量操作
2.6 维度变换
2.7 合并分割
2.8 广播机制
第3章 Eager Mode详解
3.1 Eager Mode说明
3.2 Eager Mode比较
3.3 Eager Mode数值运算
3.4 Eager Mode张量降维运算
3.5 Eager Mode矩阵运算
3.6 print与tf.print特性对比
第4章 自动求导原理与应用
4.1 机器学习中的求导
4.2 简单函数求导
4.3 复杂函数求偏导
第5章 线性回归实操
5.1 线性回归问题
5.2 TensorFlow下的线性回归
5.3 C#和Python的性能比较
第6章 MNIST手写字符分类逻辑回归
6.1 经典的MNIST手写字符分类问题
6.2 逻辑回归代码实操
第7章 tf.data数据集创建与预处理
7.1 tf.data介绍
7.2 tf.data数据集创建
7.3 tf.data数据预处理
7.4 tf.data数据使用
第8章 深度神经网络实践
8.1 深度神经网络介绍
8.2 TensorFlow.NET代码实操1：DNN with Eager
8.3 TensorFlow.NET Keras模型搭建的3种方式
8.4 TensorFlow.NET代码实操2：DNN with Keras
第9章 AutoGraph 机制详解
9.1 AutoGraph机制说明
9.2 AutoGraph机制原理
9.3 AutoGraph 编码规范
第二部分 .NET Keras简明教程
第10章 Keras简要介绍
10.1 Keras特性
10.2 Keras版本说明
第11章 模型与层
11.1 Keras常用的模型与层
11.2 自定义层
11.3 自定义模型
11.4 模型常用API概述
第12章 Keras常用API说明
12.1 回调函数
12.2 数据集预处理
12.3 优化器
12.4 损失函数
12.5 评估指标
第13章 Keras搭建模型的3种方式
13.1 Sequential API方式
13.2 Functional API方式
13.3 自定义模型
第14章 Keras模型训练
14.1 内置fit训练
14.2 自定义训练
第三部分 生产应用与案例
第15章 CPU和GPU环境下的TensorFlow.NET应用
15.1 CPU和GPU环境搭建及安装
15.2 TensorFlow.NET的图像利器SharpCV
第16章 工业生产环境应用案例
16.1 工业机器视觉领域应用
16.2 工业时间序列预测领域应用
第17章 在C#下使用TensorFlow.NET训练自己的数据集
17.1 项目说明
17.2 模型介绍
17.3 数据集说明
17.4 代码说明
17.5 总结
第18章 视觉图像分类
18.1 卷积神经网络实现图像分类
18.2 卷积神经网络详解
18.3 深入了解卷积神经网络
第19章 视觉目标检测
19.1 视觉目标检测原理简述
19.2 YOLOv3模型推理实践
19.3 YOLOv3模型训练实践
第20章 迁移学习应用
20.1 迁移学习原理简述
20.2 Inception v3网络
20.3 迁移学习代码实操
第21章 自然语言处理
21.1 自然语言处理简述
21.2 词向量
21.3 文本分类代码实操
第22章 生成对抗网络
22.1 生成对抗网络简述
22.2 生成对抗网络实战案例
第23章 F#应用案例
23.1 F#简明教程
23.2 F#案例实践
参考文献