구글딥러닝 프레임워크-텐서플로우 실전(예제로 풀어보는)

이 책은 TensorFlow를 통한 딥러닝 구현을 중점으로 소개합니다. TensorFlow 설치를 시작으로 TensorFlow의 기본 개념을 차례대로 설명하고, 궁극적으로 완전 연결 신경망, 합성곱 신경망과 순환 신경망 등 여러 딥러닝 알고리즘을 직접 구현해 볼 것입니다. 이와 동시에 딥러닝 알고리즘에 대한 이론과 해결할 수 있는 문제를 알기 쉽게 설명합니다. 이 책에서 저자는 지루하고 복잡한 수학 공식을 피하고 실제 학습에서의 딥러닝 개념과 TensorFlow 사용법을 소개합니다. 또한, TensorFlow 병렬 처리와 시각화 툴인 TensorBoard, 그리고 GPU를 사용한 TensorFlow 분산 처리 사용법에 대해서도 살펴볼 것입니다.

Chapter 01. 딥러닝 개요 　1.1 인공지능, 머신러닝, 딥러닝 　1.2 딥러닝의 발전 과정 　1.3 딥러닝의 응용 　　1.3.1 컴퓨터 비전 　　1.3.2 음성 인식 　　1.3.3 자연어 처리 　　1.3.4 인간 vs 기계 게임 　1.4 딥러닝 도구 소개 및 비교 Chapter 02. TensorFlow 환경 설정 　2.1 TensorFlow 주요 의존 패키지 　　2.1.1 Protocol Buffer 　　2.1.2 Bazel 　2.2 TensorFlow 설치 　　2.2.1 Docker를 이용한 설치 　　2.2.2 pip를 이용한 설치 　　2.2.3 소스 코드를 이용한 설치 　2.3 TensorFlow 테스트 예제 Chapter 03. TensorFlow 입문 　3.1 TensorFlow 계산 모델 - 계산 그래프 　　3.1.1 계산 그래프의 개념 　　3.1.2 계산 그래프의 사용 　3.2 TensorFlow 데이터 모델 - 텐서 　　3.2.1 텐서의 개념 　　3.2.2 텐서의 용도 　3.3 TensorFlow 실행 모델 - 세션 　3.4 TensorFlow 신경망 구현 　　3.4.1 TensorFlow 플레이그라운드와 신경망 　　3.4.2 순전파 알고리즘 　　3.4.3 신경망 매개 변수 및 TensorFlow 변수 　　3.4.4 TensorFlow 신경망 모델 학습 　　3.4.5 신경망 학습의 전 과정 예제 Chapter 04. 심층 신경망 　4.1 딥러닝과 심층 신경망 　　4.1.1 선형 모델의 한계 　　4.1.2 활성화 함수 　　4.1.3 다층 신경망으로 XOR 문제 해결 　4.2 손실 함수 정의 　　4.2.1 전형적인 손실 함수 　　4.2.2 사용자 정의 손실 함수 　4.3 신경망 최적화 알고리즘 　4.4 신경망 최적화 　　4.4.1 학습률 설정 　　4.4.2 오버피팅(Overfitting) 　　4.4.3 이동 평균 모델 Chapter 05. MNIST 숫자 인식 　5.1 MNIST 데이터 처리 　5.2 신경망 모델 학습 및 비교 　　5.2.1 TensorFlow 신경망 학습 　　5.2.2 검증 데이터를 사용한 모델 평가 　　5.2.3 모델 성능 비교 　5.3 변수 관리 　5.4 TensorFlow 모델 저장 및 불러오기 　　5.4.1 저장 및 불러오기 코드 구현 　　5.4.2 원리와 데이터 형식 　5.5 TensorFlow 실행 예제 코드 Chapter 06. 이미지 인식과 합성곱 신경망 　6.1 이미지 인식 문제 및 데이터셋 　6.2 합성곱 신경망 개요 　6.3 합성곱 신경망 구조 　　6.3.1 합성곱 계층 　　6.3.2 풀링 계층 　6.4 합성곱 신경망 모델 　　6.4.1 LeNet-5 　　6.4.2 Inception-v3 　6.5 합성곱 신경망 전이 학습 　　6.5.1 전이 학습 소개 　　6.5.2 TensorFlow 전이 학습 구현 Chapter 07. 이미지 데이터 처리 　7.1 TFRecord 입력 데이터 포맷 　　7.1.1 TFRecord 개요 　　7.1.2 TFRecord 예제 　7.2 이미지 데이터 처리 　　7.2.1 TensorFlow 이미지 처리 함수 　　7.2.2 이미지 전처리 예제 　7.3 멀티 스레드를 통한 데이터 처리 　　7.3.1 큐와 멀티 스레드 　　7.3.2 입력 파일 큐 　　7.3.3 배치 처리 　　7.3.4 입력 데이터 처리 프레임워크 Chapter 08. 순환 신경망 　8.1 순환 신경망 개요 　8.2 장단기 메모리(LSTM) 구조 　8.3 순환 신경망의 변형 　　8.3.1 양방향 순환 신경망과 심층 순환 신경망 　　8.3.2 순환 신경망의 드롭아웃 　8.4 순환 신경망의 응용 　　8.4.1 언어 모델링 　　8.4.2 시계열 데이터 예측 Chapter 09. TensorBoard : 그래프 시각화 　9.1 TensorBoard 개요 　9.2 TensorFlow 계산 그래프 시각화 　　9.2.1 네임스페이스와 TensorBoard 그래프 노드 　　9.2.2 노드 정보 　9.3 지표 모니터링 Chapter 09. TensorFlow 계산 가속 　10.1 TensorFlow-GPU 사용하기 　10.2 딥러닝 모델의 병렬 학습 　10.3 멀티 GPU 병렬 처리 　10.4 분산식 TensorFlow 　　10.4.1 분산식 TensorFlow 원리 　　10.4.2 분산 학습