第1章MNIST机器学习入门1
1.1MNIST数据集 2
1.1.1简介 2
1.1.2实验:将MNIST数据集保存为图片 5
1.1.3图像标签的独热(one-hot)表示 6
1.2利用TensorFlow识别MNIST 8
1.2.1Softmax回归 8
1.2.2两层卷积网络分类 14
1.3总结 18
第2章CIFAR-10与ImageNet图像识别 19
2.1CIFAR-10数据集 20
2.1.1CIFAR-10简介 20
2.1.2下载CIFAR-10数据 21
2.1.3TensorFlow的数据读取机制 23
2.1.4实验:将CIFAR-10数据集保存为图片形式 30
2.2利用TensorFlow训练CIFAR-10识别模型 34
2.2.1数据增强(DataAugmentation) 34
2.2.2CIFAR-10识别模型 36
2.2.3训练模型 39
2.2.4在TensorFlow中查看训练进度 39
2.2.5测试模型效果 42
2.3ImageNet图像识别模型 44
2.3.1ImageNet数据集简介 44
2.3.2历代ImageNet图像识别模型 45
2.4总结 49
第3章打造自己的图像识别模型 50
3.1微调(Fine-tune)的原理 51
3.2数据准备 52
3.3使用TensorFlowSlim微调模型 56
3.3.1下载TensorFlowSlim的源代码 56
3.3.2定义新的datasets文件 57
3.3.3准备训练文件夹 59
3.3.4开始训练 60
3.3.5训练程序行为 62
3.3.6验证模型正确率 63
3.3.7TensorBoard可视化与超参数选择 64
3.3.8导出模型并对单张图片进行识别 65
3.4总结 69
第4章DeepDream模型 70
4.1DeepDream的技术原理 71
4.2TensorFlow中的DeepDream模型实践 73
4.2.1导入Inception模型 73
4.2.2生成原始的DeepDream图像 76
4.2.3生成更大尺寸的DeepDream图像 78
4.2.4生成更高质量的DeepDream图像 82
4.2.5最终的DeepDream模型 87
4.3总结 90