《21个项目玩转深度学习——基于TensorFlow的实践详解》以实践为导向，深入介绍了深度学习技术和TensorFlow框架编程内容。通过本书，读者可以训练自己的图像识别模型、进行目标检测和人脸识别、完成一个风格迁移应用，还可以使用神经网络生成图像和文本，进行时间序列预测、搭建机器翻译引擎，训练机器玩游戏等。全书共包含21个项目，分为深度卷积网络、RNN网络、深度强化学习三部分。读者可以在自己动手实践的过程中找到学习的乐趣，了解算法和编程框架的细节，让学习深度学习算法和TensorFlow的过程变得轻松和高效。本书基于TensorFlow 1.4版本，并介绍了该版本中的一些新特性。

目录

第1章 MNIST机器学习入门 1

第2章 CIFAR-10与ImageNet图像识别 19

第3章 打造自己的图像识别模型 50

第4章 Deep Dream模型 70

第5章 深度学习中的目标检测 91

第6章 人脸检测和人脸识别 115

第7章 图像风格迁移 141

第8章 GAN和DCGAN入门 163

第9章 pix2pix模型与自动上色技术 181

第10章 超分辨率：如何让图像变得更清晰 199

第11章 CycleGAN与非配对图像转换 210

第12章 RNN基本结构与Char RNN文本生成 225

第13章 序列分类问题详解 252

第14章 词的向量表示：word2vec与词嵌入 264

第15章 在TensorFlow中进行时间序列预测 286

第16章 神经网络机器翻译技术 302

第17章 看图说话：将图像转换为文字 320

第18章 强化学习入门之Q 333

第19章 强化学习入门之SARSA算法 344

第20章 深度强化学习：Deep Q Learning 349

第21章 策略梯度（Policy Gradient）算法 361