神经网络的拓扑架构

章节一：

将介绍深度学习基础，常用激活函数、神经网络拓扑结构及损失函数；然后详细介绍了如何安装 Python 的科学计算环境 Anaconda、TensorFlow2 的 CPU 版本及 GPU 版本； 最后通过深度学习中的相当于“Hello Word”的入门数据集 MNIST 为例，介绍如何利用 Keras 构建深度学习模型。

章节二：

1、利用OpenCV进行图像预处理，包含图像读取、显示和保存，图像几何变换等

2、利用TensorFlow进行图像预处理，包含图像缩放、裁剪、翻转等

3、利用Jieba进行中文文本分词，并掌握如何添加自定义词典

4、利用Keras进行文本预处理，重点掌握填充序列pad_sequences的使用

章节三：

如何用Keras开发深度学习模型。首先介绍Kereas模型生命周期包含5个步骤：定义网络、编译网络、训练网络、评估网络、做出预测。然后介绍Keras的顺序型API和函数式API两种模型、TensorBoard模型可视化、Keras中的回调函数及模型的保存及加载等知识。

章节四：

首先介绍了卷积神经网络基本原理及实现，接着介绍迁移学习的基本原理，并通过Keras Applications方式实现迁移学习