TensorFlow 2深度学习实战（第2版）（微课版）

图书介绍

1、本书是“十四五”职业教育国家规划教材，是大数据技术精品系列教材，是大数据技术专业的专业核心课，是理论实践一体化课程配套教材。2、教材属于“1+X”大数据应用开发（Python）职业技能高级证书的系列图书，依据“十四五规划”中的重点新兴产业的要求，并符合“泰迪杯”数据挖掘挑战赛的赛项要求，实现“课证融通”“书证融通”“课赛融通”“岗证融通”。3、本书以TensorFlow 2深度学习常用技术和真实案例相结合的方式，深入浅出地介绍了深度学习基本概念、TensorFlow 2使用方法、深度神经网络原理和实现及深度学习技术在常见领域的经典实战案例。4、本书是一门操作性、实践性很强的课程，通过真实案例实践来理解和掌握教师教授的内容，教师利用学习资源、教学环境的优势，成为知识内容的传播者、学习方法的引导者、案例应用场景的设计者，学生通过教学实践的参与者，实践内容的拓展者，对知识掌握的反馈者，注重教师与学生的互动过程，培养能够从事大数据采集、数据迁移、数据存储、数据分析与挖掘，最终到数据可视化，覆盖完整的大数据应用流程，涵盖企业大数据应用中的各个环节，服务区域经济发展的高素质复合型技术技能人才。5、将理论和实践交替进行，直观和抽象交错出现，让师生双方边教、边学、边做，全程构建素质和技能培养框架，突出学生实践能力和专业技能的培养，充分调动和激发学生学习兴趣。例如，第2章将TensorFlow 2的基本知识揉入案例中，教师每讲授一部分知识点即可让学生实现案例中的一部分功能，实现了理论和实践的一一对应；第4~6章在已学的理论知识的基础上，实现将理论实践与现实的真实案例当中，让学生了解知识点如何运用于现实生活当中，培养了学生解决问题的能力。

本书保留原书特色的基础上，对教材进行了内容与代码的全面升级。第2版修订的主要内容如下：1、将Python由Python 3.8.5升级为Python3.11.7;将Anaconda由 Anaconda3 2020.07升级为 Anaconda3 2024.02-1；将TensorFlow由2.2.0升级为2.16.1。2、在每一章中新增了素养目标和思维导图。3、全书修改为项目任务式。4、项目1新增了大语言模型的介绍。5、项目2中的TensorFlow2环境配置内容调整至项目1，删除搭建TensorFlow GPU环境的介绍。6、项目3新增了新的常用深度学习网络的介绍，包括DenseNet、MobileNets、GRU、Bi-RNN和WGAN。7、项目2、5、6、7各新增一个实训。8、新增了基于CNN的彩色图像分类章节。9、最后一章更换为基于TipDM数据挖掘建模平台实现彩色图像分类。

图书目录

项目1 深度学习概述

任务1.1 认识深度学习
【知识准备】
       1.1.1 深度学习的定义与常见应用
       1.1.2 深度学习应用技术
任务1.2 搭建TensorFlow 2环境
【任务描述】
【知识准备】
       1.2.1 各深度学习框架对比
       1.2.2 了解TensorFlow
【任务实现】
       1.2.3 安装TensorFlow CPU版
项目小结
后习题

项目2 TensorFlow 2快速入门

任务2.1 TensorFlow 2深度学习通用流程
【知识准备】
       2.1.1 深度学习通用流程
       2.1.2 数据加载
       2.1.3 数据预处理
       2.1.4 构建网络
       2.1.5 编译网络
       2.1.6 训练网络
       2.1.7 性能评估
       2.1.8 模型保存与调用
任务2.2 训练一个线性模型
【任务描述】
【知识准备】
       2.2.1 TensorFlow 2基本数据类型
       2.2.2 了解Sequential网络的基本结构
【任务实现】
       2.2.3 构建网络
       2.2.4 训练网络与性能评估
项目小结
项目实训
       实训1 构建手写字母分类模型
       实训2 使用手写字母分类模型预测
课后习题

项目3 深度神经网络原理及实现

任务3.1 卷积神经网络
【任务描述】
【知识准备】
       3.1.1 卷积神经网络中的核心网络层
       3.1.2 常用卷积神经网络算法及其结构
【任务实现】
       3.1.3 基于卷积神经网络的图像分类实例
任务3.2 循环神经网络
【任务描述】
【知识准备】
       3.2.1 循环神经网络中的常用网络层
【任务实现】
       3.2.2 基于循环神经网络的评论文本情感分类实例
任务3.3 生成对抗网络
【任务描述】
【知识准备】
       3.3.1 常用生成对抗网络算法及其结构
【任务实现】
       3.3.2 基于生成对抗网络的鞋子图片生成实例
项目小结
项目实训
       实训1  基于卷积神经网络的中药材图像识别
       实训2  基于循环神经网络的诗词生成
       实训3  基于生成对抗网络的中国传统山水画生成
课后习题

项目4 基于CNN的彩色图像分类

任务4.1 了解彩色图像分类
【知识准备】
       4.1.1 了解背景
       4.1.2 数据说明
       4.1.3 分析目标
       4.1.4 项目工程结构
任务4.2 数据读取与预处理
【任务描述】
【任务实现】
       4.2.1 获取数据集
       4.2.2 绘制部分训练集图像
       4.2.3 数据归一化与数据存储
任务4.3 构建与训练卷积神经网络
【任务描述】
【任务实现】
       4.3.1 构建和编译卷积神经网络
       4.3.2 训练网络并保存模型
任务4.4 模型评价
【任务描述】
【任务实现】
       4.4.1 模型性能评估
       4.4.2 模型预测
项目小结
项目实训
       实训1 基于卷积神经网络实现车型分类
       实训2 基于百度AI开放平台实现车型分类
课后习题

项目5 基于CNN的门牌号识别

任务5.1 目标分析
【知识准备】
       5.1.1 了解背景
       5.1.2 数据说明
       5.1.3 分析目标
       5.1.4 项目工程结构
任务5.2 数据预处理
【任务描述】
【知识准备】
       5.2.1 了解HOG特征
【任务实现】
       5.2.2 获取目标与背景数据
       5.2.3 基于HOG特征提取与SVM分类器的目标检测
任务5.3 构建网络
【任务描述】
【任务实现】
       5.3.1 读取训练集与测试集
       5.3.2 构建卷积神经网络
       5.3.3 训练并保存模型
任务5.4 模型评估
【任务描述】
【任务实现】
       5.4.1 模型性能评估
       5.4.2 识别门牌号
项目小结
项目实训
       实训1 基于卷积神经网络实现单数字识别
       实训2 基于百度AI开放平台实现数字识别
课后习题

项目6 基于LSTM网络的语音识别

任务6.1 目标分析
【知识准备】
       6.1.1 了解背景
       6.1.2 数据说明
       6.1.3 分析目标
       6.1.4 项目工程结构
任务6.2 数据预处理
【任务描述】
【知识准备】
       6.2.1 了解MFCC特征
【任务实现】
       6.2.2 划分数据集
       6.2.3 提取MFCC特征
       6.2.4 标准化数据
任务6.3 构建网络
【任务描述】
【任务实现】
       6.3.1 设置网络超参数
       6.3.2 构建网络层
任务6.4 训练网络
【任务描述】
【任务实现】
       6.4.1 编译网络
       6.4.2 训练以及保存模型
       6.4.3 模型调参
任务6.5 模型评估
【任务描述】
【任务实现】
       6.5.1 泛化测试
       6.5.2 结果分析
项目小结
项目实训
       实训1 基于LSTM网络的声纹识别
       实训2 基于百度AI开放平台实现的语音识别
课后习题

项目7 基于CycleGAN的图像风格转换

任务7.1 目标分析
【知识准备】
       7.1.1 了解背景
       7.1.2 分析目标
       7.1.3 项目工程结构
任务7.2 读取数据
【任务描述】
【任务实现】
任务7.3 数据预处理
【任务描述】
【任务实现】
       7.3.1 随机抖动
       7.3.2 归一化处理图像
       7.3.3 对所有图像做批处理并打乱
       7.3.4 建立迭代器
任务7.4 构建网络
【任务描述】
【任务实现】
任务7.5 训练网络
【任务描述】
【任务实现】
       7.5.1 定义损失函数
       7.5.2 定义优化器
       7.5.3 定义图像生成函数
       7.5.4 定义训练函数
       7.5.5 训练网络
任务7.6 结果分析
【任务描述】
【任务实现】
项目小结
项目实训
       实训1 基于CycleGAN实现苹果与橙子的转换
       实训2 基于百度AI开放平台实现图像风格转换
课后习题

项目8 基于TipDM大数据挖掘建模平台的彩色图像分类

任务8.1 TipDM大数据挖掘建模平台简介
【知识准备】
       8.1.1 共享库
       8.1.2 数据连接
       8.1.3 数据集
       8.1.4 我的工程
       8.1.5 个人组件
任务8.2 使用平台实现彩色图像分类
【任务描述】
【任务实现】
       8.2.1 使用平台配置彩色图像分类案例的步骤和流程
       8.2.2 配置数据源
       8.2.3 数据预处理
       8.2.4 构建与训练网络
       8.2.5 模型评估
       8.2.6 模型预测
       小结
       实训  实现基于LSTM网络的语音识别
课后习题