TensorFlow 2.0神经网络实践 — 书籍拆解
读到哪:未读。
readState不是 read/partial 的书不能当锚。
| 项 | |
|---|---|
| 作者 | 保罗·加莱奥内 |
| 版次 | 2020 版 |
| 格式 | epub ｜ 文本源 epub-builtin |
| 许可 | 自购/个人收藏 |
| 来源 | 主人个人藏书,2026-08 放入收件箱 |
| 清洗 | 删页眉页脚 0 行、页码 0 行、断词接回 0 处 |
我们重写的拆解(0 章)
（还没写。拆解是这本书对我们的真正产出——底下的元数据只是索引。）
为什么收它
框架实操,备查。
合法性
自购/个人收藏。来源:主人个人藏书,2026-08 放入收件箱。原始文件不入库,转码文本入库(私有库)。
出版方怎么说
（起草参考,不是我们的判断。真正的「覆盖什么/不覆盖什么」写进 frontmatter 的 claims / notCovered)
它覆盖什么、不覆盖什么
（还没读到能下判断的程度。claims / notCovered 空着就是空着,不猜。)
怎么引用它
(依据: book=hands-on-neural-networks-tf2 §作者简介)
章节名对不上会被 lab:validate 拦下;页码锚(§p.123)同样可用。
结构(167 段,共 160k 字符)
| 段 | 章节 | 页 | 规模 |
|---|---|---|---|
| 01 | 未知 | — | 0.4k |
| 02 | 译者序 | — | 1.3k |
| 03 | 前言 | — | 2.1k |
| 04 | 作者简介 | — | 0.3k |
| 05 | 审校者简介 | — | 0.2k |
| 06 | 第1章 什么是机器学习 | — | 0.8k |
| 07 | 1.1 数据集的重要性 | — | 1.9k |
| 08 | 未知 | — | 1.9k |
| 09 | 未知 | — | 0.4k |
| 10 | 1.2 有监督学习 | — | 1.1k |
| 11 | 未知 | — | 0.6k |
| 12 | 未知 | — | 1.5k |
| 13 | 未知 | — | 4.0k |
| 14 | 1.3 无监督学习 | — | 1.5k |
| 15 | 1.4 半监督学习 | — | 0.6k |
| 16 | 1.6 练习题 | — | 0.6k |
| 17 | 第2章 神经网络与深度学习 | — | 0.6k |
| 18 | 2.1 神经网络 | — | 0.2k |
| 19 | 未知 | — | 0.6k |
| 20 | 未知 | — | 1.7k |
| 21 | 未知 | — | 1.4k |
| 22 | 未知 | — | 1.1k |
| 23 | 未知 | — | 0.9k |
| 24 | 未知 | — | 0.6k |
| 25 | 2.2 优化 | — | 0.7k |
| 26 | 未知 | — | 2.2k |
| 27 | 未知 | — | 2.0k |
| 28 | 未知 | — | 1.5k |
| 29 | 未知 | — | 0.9k |
| 30 | 未知 | — | 0.8k |
| 31 | 未知 | — | 2.0k |
| 32 | 未知 | — | 1.0k |
| 33 | 未知 | — | 1.9k |
| 34 | 未知 | — | 0.3k |
| 35 | 未知 | — | 0.6k |
| 36 | 未知 | — | 0.8k |
| 37 | 2.5 总结 | — | 0.7k |
| 38 | 2.6 练习题 | — | 0.9k |
| 39 | 第3章 TensorFlow图架构 | — | 1.1k |
| 40 | 3.1 环境设置 | — | 1.3k |
| 41 | 未知 | — | 0.5k |
| 42 | 未知 | — | 0.6k |
| 43 | 3.2 数据流图 | — | 1.8k |
| 44 | 未知 | — | 0.8k |
| 45 | 未知 | — | 2.6k |
| 46 | 未知 | — | 1.2k |
| 47 | 未知 | — | 2.2k |
| 48 | 未知 | — | 2.0k |
| 49 | 未知 | — | 1.1k |
| 50 | 未知 | — | 2.0k |
| 51 | 3.4 用Python操作图 | — | 0.4k |
| 52 | 未知 | — | 0.6k |
| 53 | 未知 | — | 1.0k |
| 54 | 未知 | — | 0.9k |
| 55 | 3.5 总结 | — | 0.7k |
| 56 | 3.6 练习题 | — | 0.7k |
| 57 | 第4章 TensorFlow 2.0架构 | — | 1.3k |
| 58 | 4.1 重新学习这个框架 | — | 1.3k |
| 59 | 4.2 Keras框架及其模型 | — | 1.4k |
| 60 | 未知 | — | 1.4k |
| 61 | 未知 | — | 0.4k |
| 62 | 未知 | — | 0.4k |
| 63 | 4.3 eager执行模式和新的特征 | — | 0.7k |
| 64 | 未知 | — | 1.0k |
| 65 | 未知 | — | 0.7k |
| 66 | 未知 | — | 1.3k |
| 67 | 未知 | — | 1.0k |
| 68 | 未知 | — | 0.9k |
| 69 | 未知 | — | 1.2k |
| 70 | 未知 | — | 1.7k |
| 71 | 未知 | — | 1.8k |
| 72 | 未知 | — | 2.5k |
| 73 | 4.4 代码库迁移 | — | 0.8k |
| 74 | 4.5 总结 | — | 0.4k |
| 75 | 4.6 练习题 | — | 1.4k |
| 76 | 第5章 高效的数据输入流水线和估计器API | — | 0.6k |
| 77 | 5.1 高效的数据输入流水线 | — | 0.7k |
| 78 | 未知 | — | 0.7k |
| 79 | 未知 | — | 2.4k |
| 80 | 未知 | — | 1.6k |
| 81 | 未知 | — | 0.3k |
| 82 | 未知 | — | 0.9k |
| 83 | 未知 | — | 0.9k |
| 84 | 未知 | — | 0.4k |
| 85 | 未知 | — | 0.5k |
| 86 | 5.2 估计器API | — | 1.8k |
| 87 | 未知 | — | 0.9k |
| 88 | 未知 | — | 1.3k |
| 89 | 未知 | — | 1.4k |
| 90 | 5.3 总结 | — | 0.9k |
| 91 | 5.4 练习题 | — | 0.9k |
| 92 | 第6章 使用TensorFlow Hub进行图像分类 | — | 1.1k |
| 93 | 6.1 获取数据 | — | 0.9k |
| 94 | 6.2 迁移学习 | — | 1.2k |
| 95 | 未知 | — | 0.8k |
| 96 | 未知 | — | 1.1k |
| 97 | 未知 | — | 0.4k |
| 98 | 未知 | — | 0.7k |
| 99 | 未知 | — | 0.5k |
| 100 | 未知 | — | 0.5k |
| 101 | 未知 | — | 0.8k |
| 102 | 未知 | — | 0.3k |
| 103 | 未知 | — | 0.3k |
| 104 | 未知 | — | 0.5k |
| 105 | 6.4 总结 | — | 1.0k |
| 106 | 6.5 练习题 | — | 0.8k |
| 107 | 第7章 目标检测 | — | 0.7k |
| 108 | 7.1 获取数据 | — | 1.8k |
| 109 | 7.2 目标定位 | — | 0.4k |
| 110 | 未知 | — | 2.8k |
| 111 | 未知 | — | 0.6k |
| 112 | 未知 | — | 0.3k |
| 113 | 未知 | — | 0.5k |
| 114 | 未知 | — | 0.3k |
| 115 | 未知 | — | 0.4k |
| 116 | 未知 | — | 1.2k |
| 117 | 未知 | — | 0.2k |
| 118 | 未知 | — | 0.7k |
| 119 | 7.4 总结 | — | 0.5k |
| 120 | 7.5 练习题 | — | 1.0k |
| 121 | 第8章 语义分割和自定义数据集生成器 | — | 0.5k |
| 122 | 8.1 语义分割 | — | 0.5k |
| 123 | 未知 | — | 0.7k |
| 124 | 未知 | — | 0.7k |
| 125 | 未知 | — | 1.4k |
| 126 | 8.2 创建一个TensorFlow数据集生成器 | — | 0.6k |
| 127 | 未知 | — | 1.0k |
| 128 | 未知 | — | 0.6k |
| 129 | 未知 | — | 0.6k |
| 130 | 未知 | — | 1.1k |
| 131 | 未知 | — | 0.4k |
| 132 | 未知 | — | 0.3k |
| 133 | 未知 | — | 0.6k |
| 134 | 未知 | — | 0.9k |
| 135 | 8.4 总结 | — | 0.6k |
| 136 | 8.5 练习题 | — | 1.0k |
| 137 | 第9章 生成式对抗网络 | — | 0.4k |
| 138 | 9.1 了解GAN及其应用 | — | 0.8k |
| 139 | 未知 | — | 0.6k |
| 140 | 未知 | — | 0.3k |
| 141 | 未知 | — | 0.8k |
| 142 | 未知 | — | 0.9k |
| 143 | 9.2 无条件的GAN | — | 0.5k |
| 144 | 未知 | — | 0.5k |
| 145 | 未知 | — | 0.3k |
| 146 | 未知 | — | 0.2k |
| 147 | 未知 | — | 0.8k |
| 148 | 未知 | — | 1.4k |
| 149 | 9.3 有条件的GAN | — | 0.8k |
| 150 | 未知 | — | 0.2k |
| 151 | 未知 | — | 0.3k |
| 152 | 9.4 总结 | — | 0.7k |
| 153 | 9.5 练习题 | — | 0.8k |
| 154 | 第10章 在生产环境中部署模型 | — | 0.5k |
| 155 | 10.1 SavedModel序列化格式 | — | 0.5k |
| 156 | 未知 | — | 0.9k |
| 157 | 未知 | — | 0.8k |
| 158 | 未知 | — | 1.2k |
| 159 | 10.2 Python部署 | — | 0.3k |
| 160 | 未知 | — | 1.0k |
| 161 | 未知 | — | 0.7k |
| 162 | 未知 | — | 1.0k |
| 163 | 10.3 支持部署的平台 | — | 1.0k |
| 164 | 未知 | — | 2.4k |
| 165 | 未知 | — | 1.9k |
| 166 | 10.4 总结 | — | 1.7k |
| 167 | 10.5 练习题 | — | 0.9k |
我们自己的读书笔记(0 篇)
（还没有。读完某章后写进 docs/hands-on-neural-networks-tf2/notes/,那才是这本书对我们的产出。）
本页由 node scripts/book-build.mjs 生成:表格来自转码结果,散文来自书卡正文。不要手改本页。