基　礎　篇

第1章　緒論　1

1．1　人工智能簡介　1

1．1．1　人工智能的概念　1

1．1．2　現(xiàn)代人工智能的興起　5

1．1．3　人工智能的學術流派　5

1．2　人工智能的發(fā)展歷史　8

1．2．1　孕育期（1956年之前）　8

1．2．2　形成期（1956～1969年）　9

1．2．3　發(fā)展期（1970年之后）　11

1．3　人工智能技術的研究內容與應用領域　13

1．3．1　神經(jīng)網(wǎng)絡　14

1．3．2　機器學習　15

1．3．3　模式識別　15

1．3．4　自然語言理解　16

1．3．5　專家系統(tǒng)　17

1．3．6　博弈　17

1．3．7　智能控制　18

1．3．8　其他　18

1．4　人工智能與TensorFlow　18

1．4．1　機器學習與深度學習　18

1．4．2　TensorFlow概念　20

1．4．3　TensorFlow的應用　23

第2章　Python基礎應用　25

2．1　引言　25

2．2　Python的安裝　25

2．3　數(shù)據(jù)類型與數(shù)據(jù)結構　29

2．4　數(shù)字　29

2．5　變量及其命名規(guī)則　29

2．6　語句和表達式　30

2．7　字符串　31

2．8　容器　32

2．8．1　列表　32

2．8．2　元組　35

2．8．3　字典　35

2．8．4　復制　36

2．9　函數(shù)　38

2．9．1　常用內置函數(shù)及高階函數(shù)　38

2．9．2　用戶自定義函數(shù)　42

2．10　常用庫　43

2．10．1　時間庫　43

2．10．2　科學計算庫（NumPy）　47

2．10．3　可視化繪圖庫（Matplotlib）　54

2．10．4　鎖與線程　58

2．10．5　多線程編程　59

第3章　TensorFlow基礎　62

3．1　TensorFlow的架構　62

3．2　TensorFlow的開發(fā)環(huán)境搭建　66

3．3　數(shù)據(jù)流圖簡介　77

3．3．1　數(shù)據(jù)流圖基礎　77

3．3．2　節(jié)點的依賴關系　80

3．4　TensorFlow中定義數(shù)據(jù)流圖　83

3．4．1　構建一個TensorFlow數(shù)據(jù)流圖　83

3．4．2　張量思維　87

3．4．3　張量的形狀　90

3．4．4　TensorFlow的Op　91

3．4．5　TensorFlow的Graph對象　93

3．4．6　TensorFlow的Session　94

3．4．7　輸入與占位符　97

3．4．8　Variable對象　98

3．5　通過名稱作用域組織數(shù)據(jù)流圖　100

3．6　構建數(shù)據(jù)流圖　105

3．7　運行數(shù)據(jù)流圖　108

第4章　TensorFlow運作方式　114

4．1　數(shù)據(jù)的準備和下載　114

4．2　圖表構建與推理　115

4．2．1　圖表構建　115

4．2．2　推理　116

4．3　損失與訓練　117

4．3．1　損失　117

4．3．2　訓練　117

4．4　狀態(tài)檢查與可視化　118

4．4．1　狀態(tài)檢查　118

4．4．2　狀態(tài)可視化　119

4．5　評估模型　120

4．6　評估圖表的構建與輸出　123

4．6．1　評估圖表的構建　123

4．6．2　評估圖表的輸出　123

實　戰(zhàn) 篇

第5章　MNIST機器學習　125

5．1　MNIST數(shù)據(jù)集簡介　125

5．2　MNIST數(shù)據(jù)下載　127

5．2．1　數(shù)據(jù)的準備　129

5．2．2　數(shù)據(jù)重構　130

5．2．3　數(shù)據(jù)集對象　130

5．3　softmax回歸模型簡介　131

5．4　模型的訓練與評估　132

5．5　TensorFlow模型基本步驟　135

5．6　構建softmax回歸模型　135

第6章　卷積神經(jīng)網(wǎng)絡　138

6．1　卷積神經(jīng)網(wǎng)絡　138

6．2　卷積神經(jīng)網(wǎng)絡的模型架構　142

6．2．1　ImageNet-2010網(wǎng)絡結構　142

6．2．2　DeepID網(wǎng)絡結構　143

6．3　卷積運算　144

6．3．1　輸入和卷積核　145

6．3．2　降維　145

6．3．3　填充　145

6．3．4　數(shù)據(jù)格式　145

6．4　卷積常見層　146

6．4．1　卷積層　146

6．4．2　池化層　149

6．4．3　歸一化　150

6．4．4　高級層　151

6．5　TensorFlow和圖像　152

6．5．1　圖像加載　152

6．5．2　圖像格式　152

6．5．3　圖像操作　152

6．5．4　顏色空間變換　153

6．6　模型訓練　153

6．7　模型評估　154

6．8　多GPU的模型訓練　154

第7章　字詞的向量表示　155

7．1　WordEmbedding的基本概念和知識　156

7．2　Skip-Gram模型　158

7．2．1　數(shù)據(jù)集的準備　160

7．2．2　模型結構　161

7．2．3　處理噪聲對比　162

7．2．4　模型訓練　163

7．3　嵌套學習可視化與評估　164

7．4　優(yōu)化實現(xiàn)　166

第8章　遞歸神經(jīng)網(wǎng)絡　168

8．1　遞歸神經(jīng)網(wǎng)絡的架構　169

8．2　PTB數(shù)據(jù)　170

8．3　模型及LSTM　170

8．3．1　LSTM的概念　172

8．3．2　LSTM的結構　173

8．3．3　LSTM的控制門　173

8．4　反向傳播的截斷　175

8．5　輸入與損失函數(shù)　175

8．6　多個LSTM層堆疊　175

8．7　代碼的編譯與運行　176

第9章　Mandelbrot集合　177

9．1　庫的導入　178

9．2　會話和變量初始化　179

9．3　定義并運行計算　179

第10章　偏微分方程模擬仿真　180

10．1　計算函數(shù)的定義　180

10．2　偏微分方程的定義　182

10．3　仿真　183

第11章　人臉識別　185

11．1　人臉識別概念　185

11．2　人臉識別的流程　188

11．2．1　人臉圖像的采集　188

11．2．2　人臉圖像的檢測　189

11．2．3　人臉圖像的預處理　189

11．2．4　人臉圖像的特征提取　189

11．2．5　人臉圖像的匹配與識別　190

11．2．6　活體鑒別　190

11．3　人臉識別種類　190

11．3．1　人臉檢測　190

11．3．2　人臉關鍵點檢測　191

11．3．3　人臉驗證　194

11．4　人臉檢測　194

11．4．1　LFW數(shù)據(jù)集　194

11．4．2　數(shù)據(jù)預處理與檢測　195

11．5　性別和年齡識別　196

11．5．1　數(shù)據(jù)預處理　198

11．5．2　模型構建　198

11．5．3　模型訓練　203

11．5．4　模型驗證　204

總結

以上是生活随笔為你收集整理的python人工智能原理及其应用_人工智能原理与实践：基于Python语言和TensorFlow的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。