《21個項目玩轉深度學習：基于tenosrflow的實踐詳解》的學習筆記（一）前言

目錄

一、本書的主要特點

    1.以實踐和應用為導向

    2. 算法的描述清晰而有深度

    3. 基于Tensorflow 1.4及以上版本

二、本書的主要内容

   1.第1~11章主要介紹深度卷積神經網絡相關的項目

   2. 第12~17章主要介紹RNN、LSTM相關的項目。

   3. 第18~21章主要介紹強化學習相關的項目

三、如何閱讀這本書

四、開發環境

五、參考資料

注：寫部落格督促自己學習，一周至少寫一篇。希望能和大家一起學習交流，共同進步！

21個項目玩轉深度學習-前言 思維導圖

一、本書的主要特點

    1.以實踐和應用為導向

      本書從實用性和趣味性兩個方面考慮，選擇了21個實踐項目，其中既有MNIST手寫數字識别項目，也有目标檢測、人臉識别、時間序列預測實用性項目。通過這些項目來引導讀者學習深度學習技術和Tensorflow程式設計技巧。

    2. 算法的描述清晰而有深度

     本書對算法的語言描述很簡單，達到了清晰而有條理的程度，使讀者閱讀起來很容易了解。

    3. 基于Tensorflow 1.4及以上版本

    本書代碼全部基于Tensorflow 1.4及以上版本。

    代碼推薦運作環境為：Ubuntu 14.04, Python 2.7、Tensorflow1.4.0。

  （本人代碼運作環境：win10, python3.6版本, tensorflow-gpu 1.9.0。）

二、本書的主要内容

   1.第1~11章主要介紹深度卷積神經網絡相關的項目

    第1~3章屬于入門章節，主要讨論深度學習中最基礎的圖像識别問題；

    第4~7章讨論了其他計算機視覺相關的實踐案例，如目辨別别、人臉識别、圖像風格遷移等；

    第8~11章介紹了GAN模型和它的幾個重要變體。

   2. 第12~17章主要介紹RNN、LSTM相關的項目。

    第12章詳細介紹了RNN和LSTM的原理、實作方法和一個應用執行個體——Char RNN；

    第13~17章讨論了一些更複雜更具體的案例，如序列分類、詞嵌入表示、時間序列預測、機器翻譯等。

   3. 第18~21章主要介紹強化學習相關的項目

   第18、19章分别介紹了相對簡單的QLearning和SARSA算法；

   第20章和第21章介紹了更複雜的DQN和政策梯度算法。

三、如何閱讀這本書

   1.第一遍，快速浏覽本書，看有哪些項目

   2.從前到後閱讀各個章節的算法原理，并運作相應的實踐項目。

   3.根據需要對照源碼看相關章節。

四、開發環境

   本書代碼全部基于Tensorflow 1.4及以上版本。

   代碼推薦運作環境為：Ubuntu 14.04, Python 2.7、Tensorflow1.4.0。 

五、參考資料

1.《21個項目玩轉深度學習：基于Tensorflow的實踐詳解》

本書的電子版（需要的給我留言，留email我發給你）

本來分享了百度網盤，怕被投訴。

需要的給我留言吧，我分享給你