本书提供安装、上机操作指南，同时辅以大量范例程序介绍TensorFlow + Keras深度学习方面的知识。本书分9部分，共21章，内容主要包括基本概念介绍、TensorFlow 与 Keras 的安装、Keras MNIST手写数字识别、Keras CIFAR-10照片图像物体识别、Keras多层感知器预测泰坦尼克号上旅客的生存概率、使用Keras MLP、RNN、LSTM进行IMDb自然语言处理与情感分析、以TensorFlow张量运算仿真神经网络的运行、TensorFlow MNIST手写数字识别、使用GPU大幅加快深度学习训练。

TensorFlow + Keras深度学习方面的知识不需要具备高等数学模型、算法等专业知识，读者只需要具备基本的Python程序设计能力，按照本书的步骤循序渐进地学习，就可以了解深度学习的基本概念，进而实际运用深度学习的技术。

1章  人工智能、机器学习与深度学习简介 1

1.1  人工智能、机器学习、深度学习的关系 2

1.2  机器学习介绍 4

1.3  机器学习分类 4

1.4  深度学习简介 7

1.5  结论 8

2章  深度学习的原理 9

2.1  神经传导的原理 10

2.2  以矩阵运算仿真神经网络 13

2.3  多层感知器模型 14

2.4  使用反向传播算法进行训练 16

2.5  结论 21

3章  TensorFlow与Keras介绍 22

3.1  TensorFlow架构图 23

3.2  TensorFlow简介 24

3.3  TensorFlow程序设计模式 26

3.4  Keras介绍 27

3.5  Keras程序设计模式 28

3.6  Keras与TensorFlow比较 29

3.7  结论 30

4章  在Windows中安装TensorFlow与Keras 31

4.1  安装Anaconda 32

4.2  启动命令提示符 35

4.3  建立TensorFlow的Anaconda虚拟环境 37

4.4  在Anaconda虚拟环境安装TensorFlow与Keras 40

4.5  启动Jupyter Notebook 42

4.6  结论 48

5章  在Linux Ubuntu中安装TensorFlow与Keras 49

5.1  安装Anaconda 50

5.2  安装TensorFlow与Keras 52

5.3  启动Jupyter Notebook 53

5.4  结论 54

6章  Keras MNIST手写数字识别数据集 55

6.1  下载MNIST数据 56

6.2  查看训练数据 58

6.3  查看多项训练数据images与label 60

6.4  多层感知器模型数据预处理 62

6.5  features数据预处理 62

6.6  label数据预处理 64

6.7  结论 65

7章  Keras多层感知器识别手写数字 66

7.1  Keras多元感知器识别MNIST手写数字图像的介绍 67

7.2  进行数据预处理 69

7.3  建立模型 69

7.4  进行训练 73

7.5  以测试数据评估模型准确率 77

7.6  进行预测 78

7.7  显示混淆矩阵 79

7.8  隐藏层增加为1000个神经元 81

7.9  多层感知器加入DropOut功能以避免过度拟合 84

7.10  建立多层感知器模型包含两个隐藏层 86

7.11  结论 89

8章  Keras卷积神经网络识别手写数字 90

8.1  卷积神经网络简介 91

8.2  进行数据预处理 97

8.3  建立模型 98

8.4  进行训练 101

8.5  评估模型准确率 104

8.6  进行预测 104

8.7  显示混淆矩阵 105

8.8   结论 107

9章  Keras CIFAR-10图像识别数据集 108

9.1  下载CIFAR-10数据 109

9.2  查看训练数据 111

9.3  查看多项images与label 112

9.4  将images进行预处理 113

9.5  对label进行数据预处理 114

9.6  结论 115

10章  Keras卷积神经网络识别CIFAR-10图像 116

10.1  卷积神经网络简介 117

10.2  数据预处理 118

10.3  建立模型 119

10.4  进行训练 123

10.5  评估模型准确率 126

10.6  进行预测 126

10.7  查看预测概率 127

10.8  显示混淆矩阵 129

10.9  建立3次的卷积运算神经网络 132

10.10  模型的保存与加载 135

10.11  结论 136

11章  Keras泰坦尼克号上的旅客数据集 137

11.1  下载泰坦尼克号旅客数据集 138

11.2  使用Pandas DataFrame读取数据并进行预处理 140

11.3  使用Pandas DataFrame进行数据预处理 142

11.4  将DataFrame转换为Array 143

11.5  将ndarray特征字段进行标准化 145

11.6  将数据分为训练数据与测试数据 145

11.7  结论 147

12章  Keras多层感知器预测泰坦尼克号上旅客的生存概率 148

12.1  数据预处理 149

12.2  建立模型 150

12.3  开始训练 152