別再mnist了：跨平台高平行TensorFlow 2精彩上陣

前言
第一篇 準備篇
01 學習準備
1.1 什麼是TensorFlow 架構 
1.2 如何學習本書3

02 快速上手TensorFlow
2.1 設定TensorFlow 環境
2.2 訓練模型的兩種方式 
2.3 實例1：用靜態圖訓練模型，使其能夠從一組資料中找到 y ≈ 2x 規律 
2.4 實例2：用動態圖訓練一個具有儲存檢查點功能的回歸模型 

03 TensorFlow 2.X 程式設計基礎
3.1 動態圖的程式設計方式
3.2 掌握估算器架構介面的應用
3.3 實例7：將估算器模型轉化成靜態圖模型
3.4 實例8：用估算器架構實現分散式部署訓練
3.5 掌握tf.keras 介面的應用
3.6 分配運算資源與使用分佈策略 
3.7 用tfdbg 偵錯TensorFlow 模型 
3.8 用自動混合精度加速模型訓練 

第二篇 基礎篇
04 用TensorFlow 製作自己的資料集
4.1 資料集的基本介紹
4.2 實例11：將模擬資料製作成記憶體物件資料集
4.3 實例12：將圖片製作成記憶體物件資料集 
4.4 實例13：將Excel 檔案製作成記憶體物件資料集
4.5 實例14：將圖片檔案製作成TFRecord 資料集 
4.6 實例15：將記憶體物件製作成Dataset 資料集
4.7 實例16：將圖片檔案製作成Dataset 資料集
4.8 實例17：在動態圖中讀取Dataset 資料集 
4.9 實例18：在不同場景中使用資料集 
4.10 tf.data.Dataset 介面的更多應用 

05 數值分析與特徵工程
5.1 什麼是特徵工程
5.2 什麼是特徵列介面 
5.3 實例24：用wide_deep 模型預測人口收入
5.4 實例25：梯度提升樹（TFBT）介面的應用
5.5 實例26：以知識圖譜為基礎的電影推薦系統
5.6 實例27：預測飛機引擎的剩餘使用壽命 

第三篇 進階篇
06 自然語言處理
6.1 BERT 模型與NLP 的發展階段
6.2 實例28：用TextCNN 模型分析評論者是否滿意
6.3 實例29：用帶注意力機制的模型分析評論者是否滿意
6.4 實例30：用帶有動態路由的RNN 模型實現文字分類任務
6.5 NLP 中的常見任務及資料集 
6.6 了解Transformer 函數庫
6.7 實例31：用管線方式完成多種NLP 任務
6.8 Transformers 函數庫中的自動模型類別（TFAutoModel） 
6.9 Transformers 函數庫中的BERTology 系列模型
6.10 Transformers 函數庫中的詞表工具 .
6.11 BERTology 系列模型 
6.12 用遷移學習訓練BERT 模型來對中文分類

07 機器視覺處理
7.1 實例34：使用預訓練模型識別影像 
7.2 了解EfficientNet 系列模型
7.3 實例36：在估算器架構中用tf.keras 介面訓練ResNet 模型，識別圖片中是橘子還是蘋果
7.4 以圖片內容為基礎的處理任務
7.5 實例37：用YOLO V3 模型識別門牌號 

第四篇 高階篇
08 生成式模型：能夠輸出內容的模型
8.1 快速了解資訊熵（information entropy）
8.2 通用的無監督模型-- 自編碼與對抗神經網路
8.3 實例38：用多種方法實現變分自編碼神經網路
8.4 常用的批次歸一化方法
8.5 實例39：建置DeblurGAN 模型，將模糊照片變清晰
8.6 更加了解WGAN 模型 
8.7 實例40：建置AttGAN 模型，對照片進行加鬍子、加頭簾、加眼鏡、變年輕等修改 
8.8 散度在神經網路中的應用 
8.9 實例42：用Deep Infomax（DIM）模型做一個圖片搜尋器 

09 識別未知分類的方法：零次學習
9.1 了解零次學習
9.2 零次學習中的常見困難10.1 概述 
9.3 帶有視覺結構約束的直推ZSL（ VSC模型）
9.4 詳解Sinkhorn 疊代演算法
9.5 實例43：用VSC 模型識別圖片中的鳥屬於什麼類別
9.6 提升零次學習精度的方法

後記