|
|
|
作者簡介
仇華
微軟全球最有價值專家（MVP）。
從事機器視覺和機器學習開發的工作14年，目前在TCL擔任資深軟體工程師。SciSharp Stack開源社區核心組成員，TensorFlow蘇州社區創辦者，多年來專注於圖像演算法和深度學習領域的研究，獲得Google深度學習開發者認證、微軟AIM人工智慧經理證書和蘇州市高級視覺工程師證書。
陳海平
微軟全球最有價值專家（MVP）。
從事軟體發展和系統架構設計的工作20年，目前在美國一家公司擔任首席軟體架構師。創辦SciSharp Stack開源社區，TensorFlow .NET創立和主要維護者，主要業餘時間都投入在開源社區的項目中。
第一部分 TensorFlow.NET API入門
第1章 TensorFlow.NET 介紹
1.1 TensorFlow.NET 特性
1.2 TensorFlow.NET 開放原始碼函式庫結構
第2章 資料型態與張量詳解
2.1 資料型態
2.2 張量詳解
2.3 常數與變數
2.4 字串常見操作
2.5 基本張量操作
2.6 維度變換
2.7 合併分割
2.8 廣播機制
第3章 Eager Mode詳解
3.1 Eager Mode 說明
3.2 Eager Mode 比較
3.3 Eager Mode 數值運算
3.4 Eager Mode 張量降維運算
3.5 Eager Mode 矩陣運算
3.6 print 與tf.print 特性對比
第4章 自動求導原理與應用
4.1 機器學習中的求導
4.2 簡單函式求導
4.3 複雜函式求偏導
第5章 線性迴歸實作
5.1 線性迴歸問題
5.2 TensorFlow 下的線性迴歸
5.3 C# 和Python 的性能比較
第6章 MNIST手寫數字分類邏輯迴歸
6.1 經典的MNIST 手寫數字分類問題
6.2 邏輯迴歸程式實作
第7章 tf.data資料集建立與前置處理
7.1 tf.data 介紹
7.2 tf.data 資料集建立
7.3 tf.data 資料前置處理
7.4 tf.data 資料使用
第8章 深度神經網路實踐
8.1 深度神經網路介紹
8.2 TensorFlow.NET 程式實作1：DNN with Eager
8.3 TensorFlow.NET Keras 模型架設的3 種方式
8.4 TensorFlow.NET 程式實作2：DNN with Keras
第9章 AutoGraph機制詳解
9.1 AutoGraph 機制說明
9.2 AutoGraph 機制原理
9.3 AutoGraph 程式開發規範
第二部分 .NET Keras簡明教學
第10章 Keras簡介
10.1 Keras 特性
10.2 Keras 版本說明
第11章 模型與層
11.1 Keras 常用的模型與層
11.2 自訂層
11.3 自訂模型
11.4 模型常用API 概述
第12章 Keras常用API說明
12.1 回呼函式
12.2 資料集前置處理
12.3 最佳化器
12.4 損失函式
12.5 評估指標
第13章 Keras架設模型的3種方式
13.1 Sequential API 方式
13.2 Functional API 方式
13.3 自訂模型
第14章 Keras模型訓練
14.1 內建fit 訓練
14.2 自訂訓練
第三部分 生產應用與案例
第15章 CPU和GPU環境下的TensorFlow.NET應用
15.1 CPU 和GPU 環境架設及安裝
15.2 TensorFlow.NET 的影像利器SharpCV
第16章 工業生產環境應用案例
16.1 工業機器視覺領域應用
16.2 工業時間序列預測領域應用
第17章 在C#下使用TensorFlow.NET訓練自己的資料集
17.1 專案說明
17.2 模型介紹
17.3 資料集說明
17.4 程式說明
17.5 總結
第18章 視覺影像分類
18.1 卷積神經網路實現影像分類
18.2 卷積神經網路詳解
18.3 深入了解卷積神經網路
第19章 視覺物件辨識
19.1 視覺物件辨識原理簡述
19.2 YOLO v3 模型推理實踐
19.3 YOLO v3 模型訓練實踐
第20章 遷移學習應用
20.1 遷移學習原理簡述
20.2 Inception v3 網路
20.3 遷移學習程式實作
第21章 自然語言處理
21.1 自然語言處理簡述
21.2 詞向量
21.3 文字分類程式實作
第22章 生成對抗網路
22.1 生成對抗網路簡述
22.2 生成對抗網路實戰案例
第23章 F#應用案例
23.1 F# 簡明教學
23.2 F# 案例實踐
參考文獻
