第 1章　PaddlePaddle深度學(xué)習(xí)開發(fā)環(huán)境的搭建 1.1　深度學(xué)習(xí)與PaddlePaddle 1.2　PaddlePaddle能做些什么 1.3　如何學(xué)習(xí)本書 1.4　Python的安裝 1.5　本地安裝PaddlePaddle 1.5.1　Windows操作系統(tǒng)下安裝PaddlePaddle 1.5.2　Ubuntu操作系統(tǒng)下安裝PaddlePaddle 1.6　PyCharm的使用 1.7　AI Studio平臺的使用 1.8　本章小結(jié) 第 2章　PaddlePaddle快速入門 2.1　兩個小實例讓PaddlePaddle跑起來 2.2　PaddlePaddle常量的使用 2.3　PaddlePaddle變量的使用 2.4　本章小結(jié) 第3章　PaddlePaddle的HelloWorld——線性回歸算法 3.1　邁入PaddlePaddle實戰(zhàn)第 一站 3.2　PaddlePaddle深度學(xué)習(xí)實戰(zhàn)—線性回歸算法 3.2.1　深度神經(jīng)網(wǎng)絡(luò)模型的搭建 3.2.2　利用房價數(shù)據(jù)集對深度神經(jīng)網(wǎng)絡(luò)模型進行驗證 3.3　本章小結(jié) 第4章　卷積神經(jīng)網(wǎng)絡(luò)實戰(zhàn)——MNIST手寫數(shù)字識別 4.1　圖像識別之卷積神經(jīng)網(wǎng)絡(luò)模型 4.2　PaddlePaddle CNN模型實戰(zhàn)—MNIST手寫數(shù)字識別 4.3　本章小結(jié) 第5章　循環(huán)神經(jīng)網(wǎng)絡(luò)實戰(zhàn)——電影評論數(shù)據(jù)集的情感分析 5.1　自然語言處理之循環(huán)神經(jīng)網(wǎng)絡(luò)模型 5.2　PaddlePaddle搭建情感分析項目RNN模型 5.3　利用電影評論數(shù)據(jù)集對RNN模型進行驗證 5.4　本章小結(jié) 第6章　生成對抗網(wǎng)絡(luò)實戰(zhàn)——增強數(shù)據(jù)集 6.1　生成對抗網(wǎng)絡(luò) 6.2　GAN增強數(shù)據(jù)集實戰(zhàn)—訓(xùn)練GAN模型 6.2.1　創(chuàng)建生成器 6.2.2　創(chuàng)建判別器 6.3　本章小結(jié) 第7章　強化學(xué)習(xí)實戰(zhàn)——在游戲反饋中變得更聰明 7.1　強化學(xué)習(xí)簡介 7.2　項目測試游戲Gym的簡介 7.3　訓(xùn)練DQN模型——讓DQN模型在游戲中不斷學(xué)習(xí)并獲得高分 7.4　本章小結(jié) 第8章　PaddlePaddle模型的保存與使用 8.1　深度學(xué)習(xí)模型的保存與使用 8.2　訓(xùn)練模型. 8.3　加載訓(xùn)練模型 8.4　保存訓(xùn)練模型 8.5　使用模型進行預(yù)測 8.6　本章小結(jié) 第9章　遷移學(xué)習(xí)實戰(zhàn)——花卉類型識別 9.1　遷移學(xué)習(xí)簡介 9.2　遷移學(xué)習(xí)應(yīng)用場景分析 9.3　花卉類型識別項目實戰(zhàn)—訓(xùn)練模型 9.4　花卉類型識別項目實戰(zhàn)—驗證模型 9.5　本章小結(jié) 第 10章　PaddlePaddle可視化工具Visual DL的使用 10.1　可視化工具的重要性 10.2　PaddlePaddle Visual DL的介紹 10.3　PaddlePaddle Visual DL的安裝 10.4　Visual DL的簡單用法 10.5　模型訓(xùn)練中使用Visual DL 10.6　本章小結(jié) 第 11章　自定義圖像數(shù)據(jù)集識別項目實戰(zhàn)——水果識別 11.1　自定義數(shù)據(jù)集 11.2　項目圖像數(shù)據(jù)集的爬取 11.3　為圖像數(shù)據(jù)集生成圖像列表 11.4　定義神經(jīng)網(wǎng)絡(luò)模型 11.5　PaddlePaddle讀取訓(xùn)練數(shù)據(jù) 11.6　訓(xùn)練模型 11.7　預(yù)測模型 11.8　本章小結(jié) 第 12章　自定義文本數(shù)據(jù)集分類項目實戰(zhàn)——新聞標(biāo)題分類 12.1　自定義文本數(shù)據(jù)集 12.2　新聞標(biāo)題分類實戰(zhàn)—獲取文本數(shù)據(jù)集 12.3　對爬取數(shù)據(jù)進行預(yù)處理和存儲 12.4　定義BiLSTM模型 12.5　讀取文本數(shù)據(jù)集 12.6　訓(xùn)練模型 12.7　預(yù)測文本數(shù)據(jù). 12.8　本章小結(jié) 第 13章　PaddlePaddle動態(tài)圖的使用 13.1　PaddlePaddle動態(tài)圖機制. 13.2　搭建動態(tài)圖模型 13.3　訓(xùn)練動態(tài)圖模型 13.4　預(yù)測模型 13.5　本章小結(jié) 第 14章　開發(fā)具有AI能力的服務(wù)器接口 14.1　具有AI能力的服務(wù)器接口 14.2　Python Web開發(fā)框架Flask簡介 14.3　PaddlePaddle預(yù)測服務(wù)器接口 14.4　本章小結(jié) 第 15章　移動端深度學(xué)習(xí)框架Paddle Lite的項目實戰(zhàn)——水果識別App 15.1　Paddle Lite簡介 15.2　安裝Paddle Lite 15.2.1　Docker環(huán)境搭建 15.2.2　Ubuntu環(huán)境搭建 15.2.3　編譯Paddle Lite 15.3　優(yōu)化移動端的深度學(xué)習(xí)模型 15.4　Android水果識別App的開發(fā) 15.5　本章小結(jié)