Python深度学习：基于TensorFlow

第2版前言

第1版前言

第一部分 TensorFlow基础

第1章 NumPy基础…

1.1把图像数字化…

1.1.1数组属性·

1.1.2从已有数据中生成数组……4

1.1.3利用random模块生成数组

1.1.4利用arange、linspace函数生成数组…

1.2存取元素…

1.3NumPy的算术运算…

1.3.1对应元素相乘…

1.3.2点积运算……

1.4数据变形…

1.4.1更改数组的形状…

1.4.2合并数组…

1.5通用函数…

1.6广播机制·

1.7用NumPy实现回归实例…………21

1.8小结

第2章 TensorFlow 基础知识……25

2.1安装配置·

2.1.1安装Anaconda·

2.1.2安装TensorFlowCPU版·

2.1.3安装TensorFlowGPU版·

2.2层次架构…

2.3张量

2.3.1张量的基本属性

2.3.2张量切片…

2.3.3操作形状

2.4变量·

2.5NumPy 与tf.Tensor 比较…

2.6计算图…

2.6.1静态计算图…

2.6.2动态计算图…

2.7自动图…

2.8自动微分…

2.9损失函数…

2.10优化器·

2.11使用TensorFlow 2.0实现回归实例

2.12GPU加速…

2.13小结…

第3章 TensorFlow构建模型的方法…

3.1利用低阶API构建模型…

3.1.1项目背景…

3.1.2导入数据…

3.1.3预处理数据

3.1.4构建模型…

3.1.5训练模型

3.1.6测试模型.

3.1.7保存恢复模型…

3.2利用中阶API构建模型

3.2.1构建模型…

3.2.2创建损失评估函数…

3.2.3训练模型…

3.3利用高阶API构建模型

3.3.1构建模型…

3.3.2编译及训练模型……

3.3.3测试模型…

3.3.4保存恢复模型…

3.4 小结…

第4章 TensorFlow 数据处理…………66

4.1 tf.data简介…

4.2.1构建数据集的常用方法… ….67

4.2从内存中读取数据 68

4.2.2 从文本中读取数据…….68

4.2.3读取TFRecord格式文件.

4.3如何生成自己的TFRecord格式数据…

4.3.1 把数据转换为TFRecord

4.3.2格式的一般步骤… ……70

4.3.3加载TFRecord文件流程…

4.4.1代码实现.数据增强方法……

4.4常用的数据增强方法…….75

4.4.2创建数据处理流水线……77

……

19.5.3用DQN解决问题的方法…

19.5.4定义损失函数…

19.5.5DQN的经验回放机制…

19.5.6目标网络…

19.5.7网络模型·

19.5.8DQN算法的实现……343

19.6小结.

第20章 强化学习实践………

20.1Q-Learning算法实例…

20.2SARSA算法实例…

20.2.1游戏场景…

20.2.2核心代码说明………347

20.3用 TensorFlow 实现DQN 算法…348

20.4小结·

附录ATensorFlow-GPU 2+升级安装配置……

附录B从TensorFlow1.x升级到TensorFlow 2.×….........…360

本书围绕医学生以及医务人员撰写医学英文论文中存在的问题以及难点，由三部分组成。第一部分为SCI学术论文写作的基本要求，包括词语、句子、段落、篇章等写作基本要求，第二部分为SCI论文中摘要、标题、引言、方法、结果、讨论等各部分的功能与结构以及语言组织的特点。第三部分为实战训练。学生可根据正文的讲解进行题目演练，从练习中找到学习的不足并进行针对性训练。本次修订沿用了第一版的编写框架，分别是“语言写作基础”和“学术论文构成”两部分。第一部分在原有内容基础上补充了实操练习，第二部分增加了大量真实的期刊案例赏析和练习。本版修订特色具体体现在以下三个方面：一是构建了纸质教材和数字教材相结合的立体资源链。线上线下混合式教学模式的开展需要有高质量的线上资源支持。以本书为基础的《医学SCI论文写作》慕课已于2020年10月上线，到目前已完成5轮课程，选课人数近两万。修订后的纸质版教材从知识体系、组织架构和选材内容上对接慕课课程内容，与慕课资源配套共同构建立体化教学资源链，服务于医学院校开展线上线下混合式教学模式的开展以及读者自主学习和应用。