内容简介
本书系统地介绍了基于深度学习框架TensorFlow 2.x进行深度学习开发的核心技术与人脸识别项目实践应用。内容涵盖TensorFlow开发环境的搭建（Anaconda、PyCharm、TensorFlow CPU/GPU）、计算图的构建、自动微分机制、基础回归与分类算法、多层感知机、卷积神经网络以及经典的ResNet模型实现与训练。通过手写数字识别、房价预测、图像分类等典型案例，由浅入深地讲解了模型构建、训练、评估及部署的全流程。
本书实践性强、代码丰富，既可供人工智能、计算机其他相关专业的学生作为教材学习使用，又可供希望快速入门并掌握TensorFlow深度学习开发技术的工程师和爱好者自学使用。
目录
模块1 数学与深度学习基础
任务1.1 构建TensorFlow计算图
任务1.2 TensorFlow自动微分与梯度控制
模块2 深度学习开发环境搭建
任务2.1 PyCharm软件下载与安装
任务2.2 使用Python计算Softmax()函数
任务2.3 安装TensorFlow的CPU版本
任务2.4 安装TensorFlow的GPU版本
任务2.5 编写简单的Hello TensorFlow程序
模块3 回归算法与神经网络
任务3.1 黑白手写数字识别
任务3.2 回归算法与神经网络
模块4 深度学习网络
任务4.1 基于TensorFlow手写数字识别模型的实现与训练
任务4.2 基于TensorFlow的ResNet图像分类模型
模块5 深度学习人脸表情识别
任务5.1 人脸识别算法模型体验
任务5.2 基于TensorFlow的人脸表情识别
参考文献
