ApacheCN 深度學習譯文集 20210112 更新

新增了六個教程：

• TensorFlow 2 和 Keras 高級深度學習

  • 零、前言
  • 1、使用 Keras 入門高級深度學習
  • 2、深度神經網絡
  • 3、自編碼器
  • 4、生成對抗網絡（GAN）
  • 5、改進的 GAN
  • 6、糾纏表示 GAN
  • 7、跨域 GAN
  • 8、變分自編碼器（VAE）
  • 9、深度強化學習
  • 10、策略梯度方法
  • 11、對象檢測
  • 12、語義分割
  • 十3、使用互信息的無監督學習

• GCP 上的人工智能實用指南

  • 零、前言

  • 第 1 節：Google Cloud Platform 的基礎

    • 1、AI 和 GCP 概述
    • 2、使用 GCP 組件的計算和處理

  • 第 2 節：使用 Google Cloud Platform 的人工智能

    • 3、XGBoost 的機器學習應用
    • 4、使用 Cloud AutoML
    • 5、構建大數據雲機器學習引擎
    • 6、使用 DialogFlow 的智能對話應用

  • 第 3 節：Google Cloud Platform 上的 TensorFlow

    • 7、瞭解雲 TPU
    • 8、使用 Cloud ML Engine 實現 TensorFlow 模型
    • 9、構建預測應用

  • 第 4 節：構建應用和即將發佈的功能

    • 10、構建一個 AI 應用

• Python 深度學習架構實用指南

  • 零、前言

  • 第 1 節：深度學習的元素

    • 1、深度學習入門
    • 2、深度前饋網絡
    • 3、受限玻爾茲曼機和自編碼器

  • 第 2 節：卷積神經網絡

    • 4、CNN 架構
    • 5、移動神經網絡和 CNN

  • 第 3 節：序列建模

    • 6、循環神經網絡

  • 第 4 節：生成對抗網絡（GAN）

    • 7、生成對抗網絡

  • 第 5 節：深度學習和高級人工智能的將來

    • 8、深度學習的新趨勢

• Python Web 深度學習實用指南

  • 零、前言

  • 第 1 節：Web 人工智能

    • 1、揭祕人工智能和機器學習基礎

  • 第 2 節：使用深度學習的 Web 開發

    • 2、使用 Python 入門深度學習
    • 3、建立您的第一個深度學習 Web 應用
    • 4、TensorFlow.js 入門

  • 第 3 節：用於 Web 開發的不一樣深度學習 API 入門

    • 5、經過 API 進行深度學習
    • 6、Google Cloud Platform 上的 Python 深度學習
    • 7、AWS 上的 Python DL：對象檢測和家庭自動化
    • 8、Microsoft Azure 上的 Python 深度學習

  • 第 4 節：生產中的深度學習（智能 Web 應用）

    • 9、啓用深度學習的網站的通用生產框架
    • 10、經過深度學習保護 Web 應用安全
    • 11、DIY - Web DL 生產環境
    • 12、使用 DL API 和客戶支持聊天機器人建立 E2E Web 應用
  • 十3、附錄：Web 深度學習的成功案例和新興領域

• 精通 TensorFlow 2.x 計算機視覺

  • 零、前言

  • 第 1 節：計算機視覺和神經網絡概論

    • 1、計算機視覺和 TensorFlow 基礎知識
    • 2、使用局部二進制模式的內容識別
    • 3、使用 OpenCV 和 CNN 的人臉檢測
    • 4、用於圖像的深度學習

  • 第 2 節：使用 TensorFlow 的計算機視覺高級概念

    • 5、神經網絡架構和模型
    • 6、使用遷移學習的視覺搜索
    • 7、YOLO 對象檢測
    • 8、語義分割與神經樣式遷移

  • 第 3 節：使用 TensorFlow 的計算機視覺的高級實現

    • 9、使用多任務深度學習的動做識別
    • 10、R-CNN，SSD 和 R-FCN 對象檢測

  • 第 4 節：邊緣和雲端的 TensorFlow 實現

    • 11、帶有 CPU/GPU 優化的邊緣設備上的深度學習
    • 12、用於計算機視覺的雲計算平臺

• TensorFlow Lite，ML Kit 和 Flutter 移動深度學習

  • 零、前言
  • 1、移動深度學習簡介
  • 2、移動視覺 - 使用設備上的模型的人臉檢測
  • 3、使用 Google Action 的聊天機器人
  • 4、認識植物種類
  • 5、從攝像機源生成實時字幕
  • 6、構建人工智能認證系統
  • 7、語音/多媒體處理 - 使用 AI 生成音樂
  • 8、基於強化神經網絡的國際象棋引擎
  • 9、構建圖像超分辨率應用
  • 10、前方的路
  • 11、附錄