第1章 卷积神经网络原理及实现 - 1简述全连接神经网络在图像数据处理中的不足处 - 2卷积网络基本原理 - 3卷积层原理概述 - 4卷积层原理-padding技巧 - 5卷积层原理-padding示例讲解 - 6卷积层原理-移动步长示例讲解 - 7输出特征图的宽、高计算公式 - 8卷积层Tensorflow实现函数讲解 - 9tf.keras.layers.Conv2D方法-通过实例讲解卷积层各细节 - 10f.keras.layers.Conv2D方法-通过卷积层 对输入数据进行卷积运算 - 11tf.keras.layers.Conv2D方式实现卷积运算 - 12tf.keras.layers.Conv2D方式-多个卷积核情况 - 13卷积层对图像进行卷积运算示例讲解 - 14池化层原理及实现详解 - 15池化层实现的demo演示 - 16池化层的特点及demo演示 - 17池化层TensorFlow实现及案例演示 - 18卷积神经网络中的全连接层和展平层介绍 第2章 迁移学习 - 1 迁移学习概述 - 2 迁移学习进行微调的三种策略 - 3 使用Keras 实现迁移学习之VGG16网络架构介绍 - 4 使用Keras 实现迁移学习之VGG16函数介绍 - 5 使用Keras 实现迁移学习之VGG16示例 - 6 使用Keras实现迁移学习之演示VGG16()函数下载及实例化 - 7 使用Keras实现迁移学习之利用VGG16对本地汽车图像进行类别预测 - 8 tensorflow-hub的介绍及安装 - 9 Tensorflow-hub预训练模型的下载 - 10 使用迁移学习实现花卉图像分类器-花卉图像介绍及导入、预处理1 - 11 使用迁移学习实现花卉图像分类器-花卉图像介绍及导入、预处理2 - 12 使用迁移学习实现花卉图像分类器-创建 批次数据 - 13 使用Keras Applications 迁移学习实现花卉图像分类1 - 14 使用 Keras Applications 迁移学习实现花卉图像分类2 - 15 使用TensorF Hub迁移学习实现花卉图像分类 第3章 深度强化学习 - 1 强化学习的基本概念 - 2 深度强化学习思路 - 3 gym平台介绍及案例演示 - 4 使用Keras-RL2的DQN实现《CartPole》游戏 第4章 案例分析：对CIFAR-10数据集进行图?识别 - 1 案例分析：CIFAR-10数据描述及下载 - 2 案例分析：CIFAR-10数据预处理 - 3 案例分析：构建卷积神经网络识别CIFAR-10图像 第5章 阶段习题讲解 - 1【课后习题】判断题和选择题讲解 - 2【课后习题】实训题讲 第6章 循环神经网络 - 1循环神经网络基本理解 - 2词嵌入基础及学习词嵌入案例讲解 - 3预训练词嵌入及案例演示 - 4简单循环神经网络原理及Keras实现 - 5长短期记忆网络-LSTM原理及Keras实现 - 6门控循环单元-GRU原理及Keras实现 第7章 序列到序列Seq2Sea楧型 - 1序列到序列Seq2Seq2基本原理概述 - 2引入注意力机制的Seq2Seq框架 - 3利用Keras实现序列到序列案例演示 第8章 Transformer模型 - 1利用TensorFlow Addons实现Seq2S - 2Transformer基本原理及KerasNLP介绍 第9章 案例分析：中文文本分类 - 案例实训：中文文本分类 课后习题讲解 测试题