导语

  

内容提要

  

    本书主要介绍了TensorFlow 2在机器视觉中的应用。本书共8章，主要内容包括神经网络的原理，如何搭建开发环境，如何在网络侧搭建图片分类器，如何识别图片中不同肤色的人数，如何用迁移学习诊断医疗影像，如何使用Anchor-Free模型检测文字，如何实现OCR模型，如何优化OCR模型。
    本书适合机器视觉、深度学习方面的专业人士阅读。

第一篇基础知识
第1章  神经网络的原理
  1.1  神经网络
    1.1.1  神经元的结构
    1.1.2  生物神经元与计算机中神经元模型结构的相似性
    1.1.3  生物神经元与计算机神经元模型工作流程的相似性
    1.1.4  神经网络的形成
  1.2  神经网络与深度学习的关系
  1.3  全连接神经网络
    1.3.1  全连接神经网络的结构
    1.3.2  实例分析：全连接神经网络中每个神经元的作用
    1.3.3  全连接神经网络的拟合原理
    1.3.4  全连接神经网络的设计思想
  1.4  生物界的视觉处理系统
    1.4.1  大脑对视觉信号的处理流程
    1.4.2  大脑对神经信号的分级处理
  1.5  离散微积分
    1.5.1  离散微分与离散积分
    1.5.2  计算机视觉中的离散积分
  1.6  卷积神经网络
    1.6.1  卷积的过程
    1.6.2  1D卷积、2D卷积和3D卷积
    1.6.3  实例分析：Sobel算子的原理
    1.6.4  深度神经网络中的卷积核
    1.6.5  反卷积
  1.7  卷积分
  1.8  卷积神经网络与全连接神经网络的关系
第2章  搭建开发环境
  2.1  准备硬件环境
  2.2  下载及安装Anaconda
    2.2.1  下载Anaconda开发工具
    2.2.2  安装Anaconda开发工具
    2.2.3  安装Anaconda开发工具时的注意事项
  2.3  使用Anaconda安装TensorFlow
    2.3.1  查看TensorFlow的版本
    2.3.2  使用Anaconda安装TensorFlow
    2.3.3  TensorFlow的安装指南
  2.4  测试显卡及开发环境的一些常用命令
    2.4.1  使用nvidia-smi命令查看显卡信息
    2.4.2  nvidia-smi命令失效的解决办法
    2.4.3  查看CUDA的版本
    2.4.4  查看cuDNN的版本
    2.4.5  用代码测试安装环境
  2.5  使用Python虚环境实现多个TensorFlow版本共存
    2.5.1  查看当前的Python虚环境及Python版本
    2.5.2  创建Python虚环境
    2.5.3  在Python虚环境中安装TensorFlow1.x版本
    2.5.4  进行界面配置
    2.5.5  使用PyCharm编辑器切换虚环境
  2.6  安装Docker
    2.6.1  Docker简介
    2.6.2  在Dabian系列的Linux系统中安装Docker
    2.6.3  在RedHad系列的Linux系统中安装Docker
    2.6.4  安装NVIDIADocker
  2.7  安装TF_Serving模块
    2.7.1  在Linux系统中使用apt-get命令安装TF_Serving模块
    2.7.2  在Linux系统中使用Docker安装TF_Serving模块
……
第二篇  中级应用
第三篇  高级应用