章
目
录
今天给大伙介绍一本很实用的书——《21个项目玩转深度学习——基于TensorFlow的实践详解》。这本书能带你通过一个个项目实战，把深度学习技术和TensorFlow框架编程摸得透透的。
一、书籍基本信息
这本书的作者是何之源，当时是复旦大学人工智能方向的在读硕士生。这作者可厉害，编程和机器学习经验丰富，2012年靠信息学竞赛保送进复旦，2016年本科毕业还得了优秀学生称号，同年继续在复旦计算机学院读研。他发现早期TensorFlow学习案例少，就在知乎等平台分享实践文章，收获了不少肯定，这本书也是他经验的总结。
书由电子工业出版社出版，博文视点出品，2018年3月发行，属于博文视点AI系列丛书。全书372页，平装装帧，ISBN是9787121335716 。豆瓣评分6.6分，评价有好有坏，但总体来说能给深度学习学习者提供不少帮助。
二、书籍核心内容
（一）深度学习项目实战入门
书里开篇就拿MNIST数据集搞事情，带着读者用TensorFlow识别手写数字。先是介绍MNIST数据集，还教大家把数据集保存成图片，理解图像标签的独热表示。接着用Softmax回归和两层卷积网络来分类，让大家对TensorFlow和深度学习模型有个初步认识，就像新手学开车，先熟悉下仪表盘和操作杆。
（二）图像相关项目实践
图像识别项目：像CIFAR-10和ImageNet图像识别项目，从数据集的介绍、下载，到数据读取机制，再到模型训练、测试，每一步都写得明明白白。还讲了数据增强的技巧，能让模型学习到更多图像特征，提高识别准确率。打造自己的图像识别模型这部分，会教你用微调的方法，基于已有的模型，根据自己的数据训练出更贴合需求的模型。
其他图像应用项目：还有Deep Dream模型，能生成一些奇幻的图像，带你了解背后的技术原理和实现过程。目标检测、人脸检测和识别、图像风格迁移这些热门应用，书里也都有详细的项目实践。比如说目标检测，会给你讲R-CNN、SPPNet这些经典算法的原理，还会教你用TensorFlow Object Detection API来训练和使用目标检测模型。
（三）生成模型项目实践
生成对抗网络（GAN）和深度卷积生成对抗网络（DCGAN）的入门项目也安排上了。会详细解释它们的原理，然后教你怎么用DCGAN生成图像，像生成MNIST图像，还能自己找数据集训练。pix2pix模型和自动上色技术、CycleGAN与非配对图像转换这些项目，能让你掌握不同类型图像转换的方法，学会了就能处理各种图像相关的任务。
（四）RNN网络项目实践
RNN基础与文本生成：RNN部分，从RNN的基本结构、LSTM的原理讲起，再到Char RNN文本生成项目。在这个项目里，教你怎么定义输入数据、搭建多层LSTM模型、计算损失、训练模型，最后让模型生成文本，感觉就像给模型“喂”数据，让它学会“写文章”。
序列分类与时间序列预测：序列分类问题，会结合实际数据，教你怎么用RNN结构做分类。时间序列预测项目，会教你用TFTS读入时间序列数据，再用AR模型和LSTM模型来预测。
三、总结
《21个项目玩转深度学习——基于TensorFlow的实践详解》这本书，项目丰富，内容涵盖深度学习的多个领域，从图像到文本，从基础模型到前沿算法。如果你有一定机器学习基础，想深入研究TensorFlow和深度学习算法，或者对人工智能、深度学习感兴趣，这本书可以当作你的实战手册。下载后跟着书里的项目做一遍，对深度学习的理解和实践能力肯定能上一个台阶！
资源下载
