ApacheCN 深度学习译文集 20210112 更新

新增了六个教程：

• TensorFlow 2 和 Keras 高级深度学习

  • 零、前言
  • 一、使用 Keras 入门高级深度学习
  • 二、深度神经网络
  • 三、自编码器
  • 四、生成对抗网络（GAN）
  • 五、改进的 GAN
  • 六、纠缠表示 GAN
  • 七、跨域 GAN
  • 八、变分自编码器（VAE）
  • 九、深度强化学习
  • 十、策略梯度方法
  • 十一、对象检测
  • 十二、语义分割
  • 十三、使用互信息的无监督学习

• GCP 上的人工智能实用指南

  • 零、前言

  • 第 1 节：Google Cloud Platform 的基础

    • 一、AI 和 GCP 概述
    • 二、使用 GCP 组件的计算和处理

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

    • 三、XGBoost 的机器学习应用
    • 四、使用 Cloud AutoML
    • 五、构建大数据云机器学习引擎
    • 六、使用 DialogFlow 的智能对话应用

  • 第 3 节：Google Cloud Platform 上的 TensorFlow

    • 七、了解云 TPU
    • 八、使用 Cloud ML Engine 实现 TensorFlow 模型
    • 九、构建预测应用

  • 第 4 节：构建应用和即将发布的功能

    • 十、构建一个 AI 应用

• Python 深度学习架构实用指南

  • 零、前言

  • 第 1 节：深度学习的元素

    • 一、深度学习入门
    • 二、深度前馈网络
    • 三、受限玻尔兹曼机和自编码器

  • 第 2 节：卷积神经网络

    • 四、CNN 架构
    • 五、移动神经网络和 CNN

  • 第 3 节：序列建模

    • 六、循环神经网络

  • 第 4 节：生成对抗网络（GAN）

    • 七、生成对抗网络

  • 第 5 节：深度学习和高级人工智能的未来

    • 八、深度学习的新趋势

• Python Web 深度学习实用指南

  • 零、前言

  • 第 1 节：Web 人工智能

    • 一、揭秘人工智能和机器学习基础

  • 第 2 节：使用深度学习的 Web 开发

    • 二、使用 Python 入门深度学习
    • 三、创建您的第一个深度学习 Web 应用
    • 四、TensorFlow.js 入门

  • 第 3 节：用于 Web 开发的不同深度学习 API 入门

    • 五、通过 API 进行深度学习
    • 六、Google Cloud Platform 上的 Python 深度学习
    • 七、AWS 上的 Python DL：对象检测和家庭自动化
    • 八、Microsoft Azure 上的 Python 深度学习

  • 第 4 节：生产中的深度学习（智能 Web 应用）

    • 九、启用深度学习的网站的通用生产框架
    • 十、通过深度学习保护 Web 应用安全
    • 十一、DIY - Web DL 生产环境
    • 十二、使用 DL API 和客户支持聊天机器人创建 E2E Web 应用
  • 十三、附录：Web 深度学习的成功案例和新兴领域

• 精通 TensorFlow 2.x 计算机视觉

  • 零、前言

  • 第 1 节：计算机视觉和神经网络概论

    • 一、计算机视觉和 TensorFlow 基础知识
    • 二、使用局部二进制模式的内容识别
    • 三、使用 OpenCV 和 CNN 的人脸检测
    • 四、用于图像的深度学习

  • 第 2 节：使用 TensorFlow 的计算机视觉高级概念

    • 五、神经网络架构和模型
    • 六、使用迁移学习的视觉搜索
    • 七、YOLO 对象检测
    • 八、语义分割与神经样式迁移

  • 第 3 节：使用 TensorFlow 的计算机视觉的高级实现

    • 九、使用多任务深度学习的动作识别
    • 十、R-CNN，SSD 和 R-FCN 对象检测

  • 第 4 节：边缘和云端的 TensorFlow 实现

    • 十一、带有 CPU/GPU 优化的边缘设备上的深度学习
    • 十二、用于计算机视觉的云计算平台

• TensorFlow Lite，ML Kit 和 Flutter 移动深度学习

  • 零、前言
  • 一、移动深度学习简介
  • 二、移动视觉 - 使用设备上的模型的人脸检测
  • 三、使用 Google Action 的聊天机器人
  • 四、认识植物种类
  • 五、从摄像机源生成实时字幕
  • 六、构建人工智能认证系统
  • 七、语音/多媒体处理 - 使用 AI 生成音乐
  • 八、基于强化神经网络的国际象棋引擎
  • 九、构建图像超分辨率应用
  • 十、前方的路
  • 十一、附录