项目1　深度学习概述　1
任务1.1 认识深度学习　2
1.1.1 深度学习的定义与常见应用　2
1.1.2 深度学习的应用领域　8
1.1.3 基于图像分类的拍照识图　11
任务1.2 搭建TensorFlow 2环境　12
1.2.1 各深度学习框架对比　12
1.2.2 了解TensorFlow　14
1.2.3 安装TensorFlow 2 CPU版本　17
项目小结　18
课后习题　19
项目2　TensorFlow 2快速入门　20
任务2.1 TensorFlow 2深度学习通用流程　21
2.1.1 深度学习通用流程　21
2.1.2 数据加载　22
2.1.3 数据预处理　27
2.1.4 构建网络　32
2.1.5 编译网络　37
2.1.6 训练网络　44
2.1.7 性能评估　46
2.1.8 模型保存与调用　54
2.1.9 设计果蔬识别的流程与步骤　58
任务2.2 训练线性模型　60
2.2.1 TensorFlow 2基本数据类型　60
2.2.2 了解Sequential网络的基本结构　62
2.2.3 构建网络　63
2.2.4 训练网络与性能评估　64
项目小结　64
项目实训　64
实训1 构建花卉分类模型　64
实训2 使用飞桨深度学习平台实现 花卉分类　65
课后习题　65
项目3　深度神经网络原理及实现　67
任务3.1 卷积神经网络　68
3.1.1 卷积神经网络中的核心网络层　69
3.1.2 常用卷积神经网络算法及其结构　84
3.1.3 基于卷积神经网络的图像分类实例　89
任务3.2 循环神经网络　91
3.2.1 循环神经网络中的常用网络层　91
3.2.2 基于循环神经网络的评论文本情感分类实例　103
任务3.3 生成对抗网络　107
3.3.1 常用生成对抗网络算法及其结构　107
3.3.2 基于生成对抗网络的鞋子图片生成实例　111
项目小结　117
项目实训　117
实训1 基于卷积神经网络的中药材图像识别　117
实训2 基于循环神经网络的诗词生成　118
实训3 基于生成对抗网络的中国传统山水画生成　118
课后习题　118
项目4　基于CNN的彩色图像分类　121
任务4.1 了解彩色图像分类　122
4.1.1 了解背景　122
4.1.2 数据说明　122
4.1.3 设计彩色图像分类的流程与步骤　122
任务4.2 数据读取与预处理　123
4.2.1 获取数据集　123
4.2.2 绘制部分训练集图像　124
4.2.3 数据归一化与数据存储　126
任务4.3 构建与训练卷积神经网络　126
4.3.1 构建和编译卷积神经网络　126
4.3.2 训练网络并保存模型　128
任务4.4 模型评估　129
4.4.1 模型性能评估　129
4.4.2 模型预测　130
项目小结　132
项目实训　132
实训1 基于卷积神经网络实现车型分类　132
实训2 基于飞桨深度学习平台实现车型分类　133
课后习题　133
项目5　基于CNN的门牌号识别　134
任务5.1 目标分析　135
5.1.1 了解背景　135
5.1.2 数据说明　135
5.1.3 设计门牌号识别流程与步骤　136
任务5.2 数据预处理　137
5.2.1 了解HOG特征　137
5.2.2 获取目标数据与背景数据　141
5.2.3 基于HOG特征提取与SVM分类器的目标检测　144
任务5.3 构建网络　146
5.3.1 读取训练集与测试集　146
5.3.2 构建卷积神经网络　147
5.3.3 训练并保存模型　147
任务5.4 模型评估　148
5.4.1 模型性能评估　148
5.4.2 识别门牌号　149
项目小结　152
项目实训　152
实训1 基于卷积神经网络实现单数字识别　152
实训2 基于飞桨深度学习平台实现数字识别　153
课后习题　153
项目6　基于LSTM网络的语音识别　154
任务6.1 目标分析　155
6.1.1 了解背景　155
6.1.2 数据说明　155
6.1.3 设计语音识别流程与步骤　156
任务6.2 数据预处理　156
6.2.1 了解MFCC特征　157
6.2.2 划分数据集　157
6.2.3 提取MFCC特征　158
6.2.4 标准化数据　160
任务6.3 构建网络　162
6.3.1 设置网络超参数　162
6.3.2 构建网络层　162
任务6.4 训练网络　163
6.4.1 编译网络　164
6.4.2 训练以及保存模型　164
6.4.3 模型调参　165
任务6.5 模型评估　167
6.5.1 泛化测试　167
6.5.2 结果分析　168
项目小结　169
项目实训　169
实训1 基于LSTM网络的声纹识别　169
实训2 基于飞桨深度学习平台实现的声纹识别　170
课后习题　170
项目7　基于CycleGAN的图像风格转换　171
任务7.1 目标分析　172
7.1.1 了解背景　172
7.1.2 设计图像风格转换的流程与步骤　173
任务7.2 数据读取　173
任务7.3 数据预处理　174
7.3.1 随机抖动　175
7.3.2 归一化处理图像　175
7.3.3 对所有图像做批处理并打乱顺序　176
7.3.4 建立迭代器　177
任务7.4 构建网络　177
任务7.5 训练网络　178
7.5.1 定义损失函数　178
7.5.2 定义优化器　179
7.5.3 定义图像生成函数　179
7.5.4 定义训练函数　179
7.5.5 训练网络　181
任务7.6 结果分析　181
项目小结　182
项目实训　182
实训 基于CycleGAN实现苹果与橙子的转换　182
课后习题　183
项目8　基于TipDM大数据挖掘建模平台的彩色图像分类　184
任务8.1 获取数据并对数据进行预处理　185
8.1.1 使用平台配置彩色图像分类项目的步骤和流程　185
8.1.2 配置数据源　186
8.1.3 数据预处理　187
任务8.2 构建网络并应用模型实现彩色图像分类　191
8.2.1 构建与训练网络　192
8.2.2 模型评估　193
8.2.3 模型预测　193
项目小结　196
项目实训　196
实训 实现基于LSTM网络的语音识别　196
课后习题　196