图解深度学习与神经网络：从张量到TensorFlow实现 中文pdf完整版[174MB]

《图解深度学习与神经网络：从张量到TensorFlow实现》是以TensorFlow 为工具介绍神经网络和深度学习的入门书，内容循序渐进，以简单示例和图例的形式，展示神经网络和深度学习背后的数学基础原理，帮助读者更好地理解复杂抽象的公式。同时，采用手动计算和程序代码这两种方式讲解示例，可以更好地帮助读者理解TensorFlow的常用函数接口，为读者掌握利用TensorFlow搭建人工智能项目打下良好的基础。

本书适合神经网络、深度学习、TensorFlow的入门者阅读。

目录

1 深度学习及TensorFlow 简介 1
2 基本的数据结构及运算6
3 梯度及梯度下降法 52
4 回归分析 88
5 全连接神经网络 102
6 神经网络处理分类问题 125
7 一维离散卷积 168
8 二维离散卷积 187
9 池化操作218
10 卷积神经网络231
11 卷积的梯度反向传播 286
12 池化操作的梯度 303
13 BN 的梯度反向传播311
14 TensorFlow 搭建神经网络的主要函数 324