TensorFlow2.X项目实战

本书基于TensorFlow2.1版本进行编写。书中内容分为4篇。第1篇包括TensorFlow的安装、使用方法。这部分内容可以使读者快速上手TensorFlow工具。第2篇包括数据集制作、特征工程等数据预处理工作，以及与数值分析相关的模型（其中包括wide_deep模型、梯度提升树、知识图谱、带有JANET单元的RNN等模型）。第3篇从自然语言处理、计算机视觉两个应用方向介绍了基础的算法原理和主流的模型。具体包括：TextCNN模型、带有注意力机制的模型、带有动态路由的RNN模型、BERTology系列模型、EfficientNet系列模型、Anchor-Free模型、YOLOV3模型等。第4篇介绍了生成式模型和零次学习两种技术，其中系统地介绍了信息熵、归一化、f-GAN、**传输、Sinkhorn算法，以及变分自编码、DeblurGAN、AttGAN、DIM、VSC等模型。本书结构清晰、案例丰富、通俗易懂、实用性强，适合对人工智能、TensorFlow感兴趣的读者作为自学教程。另外，本书也适合社会培训学校作为培训教材，还适合计算机相关专业作为教学参考书。