The source code and dataset about <Deep Learning - Best Practices on TensorFlow Engineering Implementation>
#目录说明
code： 原书的配套代码源文件
tf2code：将原书的部分代码转化成适用与tf2.1版本的代码源文件
这本AI技术工具书非常专注于实战应用。书中涵盖了TensorFlow 1.x到2.0版本的各种使用说明，及开发技巧。是代码医生工作室将近几年的经验积累。 本书全长740多页，共75个实例。从基础的静态图讲到动态图再到编译子图、从估算器讲到特征列再到TFTS、从原生的TF语法讲到tf.keras使用技巧、从tfRecorder的数据集制作讲到Dataset接口的使用、还有TF_serving、saved_model、TF_lite、cleverhans等更多接口的使用介绍。
从应用场景方面，本书包含了：图像识别、微调模型、目标识别、基于像素级的语义分割、文本分类、特征工程、数值分析、时间序列数据分析、特征预处理、探索性数据分析、知识图谱、机器翻译、对话机器人、推荐系统、语音合成、生成文本、序列样本的生成、图像到文本的跨域生成、预测性维护任务、清晰图像的生成、多属性图像的合成、AI模型的攻击与防护、基于URL、安卓、IOS的上的布署。
从深度学习的技术方面，本书也包含了很多优秀模型，其中包括深度卷积、空洞卷积、胶囊卷积网络、矩阵胶囊、Mask R-CNN 、YOLO V3、PNASNet 、QRNN 、SRU、 IndRnn、IndyLSTM、 JANET等。同时也引用了大量的论文（30多篇），方便读者进行扩展阅读。
本书可以算作是《深度学习之TensorFlow：入门、原理与进阶实战》一书的后续版本。 知识一脉相承，前后呼应。在《深度学习之TensorFlow：入门、原理与进阶实战》一书的基础之上，又更新了一些有用的技巧，其中包括：
- 更实用的数据集案例以及TFDS接口介绍
- 动态图里、静态图、估算器间的相互转化及嵌套实例
- TensorFlow1.x与TensorFlow2.x之间的关系，及转化实例
- 特征工程相关知识，以及推荐系统、知识图谱配合深度学习的应用
- 升级版的dropout（Targeted Dropout）
- 各种注意力（多头注意力、BahdanauAttention 、LuongAttention、 单调注意力机制、混合注意力机制）
- 各种归一化（ReNorm、LayerNorm、instance_norm、GroupNorm、SwitchableNorm）
- 在RNN网络中添加多项式分布
- Seq2Seq新框架更全面的介绍，和更底层的使用实例。
- 基于AI模型的安全技术（FGSM、黑箱攻击等方法）
- 图像合成、声音合成、安全领域的攻击样本合成相关实例
- 增加了基于URL、安卓、IOS的上的布署实例
TF-slim、TF-Hub、T2T、tf.layers、tf.js、TFDS、tf.Keras、TFLearn、tfdbg、Training Hooks、Estimators、eager、TF_CONFIG、KubeFlow、tf.feature_column、知识图谱、sequence_feature_column、TFBT、 factorization、Lattice、tf.Transform、点阵校准模型、wals kmeans BoostedTrees、深度卷积、空洞卷积、深度可分离卷积、胶囊卷积网络、矩阵胶囊、TextCnn、ResNet、PNASNet、VGG、YOLO V3、Mask R-CNN、Targeted Dropout、QRNN 、SRU、 IndRnn、IndyLSTM、 JANET、 Seq2Seq、TFTS 、多项式分布、Tacotron、TFGan、多头注意力、BahdanauAttention 、LuongAttention、 单调注意力机制、混合注意力机制、stft、ReNorm、LayerNorm、instance_norm、GroupNorm、SwitchableNorm、FGSM、cleverhans 黑箱攻击 Jacobian矩阵、defun、TF_serving saved_model TF_lite。
同样该书仍然保持以前一贯的作风：
- 组建qq群，由作者亲自解答问题
- 在大蛇智能官网上同步勘误（www.aianaconda.com）
- 开放大蛇智能论坛，方便读者交流和查阅历史问题(bbs.aianaconda.com)
- 开源图书配套的全部代码，与数据集(数据集太大，请访问www.aianaconda.com进行下载)
- 在相约机器人公众号上，持续更新跟书籍知识相关的AI扩展技术。
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent