本教材基于 TensorFlow 和 Keras Tuner 等主流框架，设计了一系列涵盖图像识别、自然语言处理、生成式任务等场景的实践项目，如服饰图像识别、用户评论分析、医疗行业图像分析、动物图像识别、古诗词生成、艺术图像风格迁移等。每个项目均围绕真实应用展开，引导学习者了解从原始数据处理、模型架构设计、训练调优到最终部署的深度学习应用开发全流程。

项目 1 TensorFlow 在服饰图像识别中的应用 …………………………………………………………… 1

任务 1.1 TensorFlow 入门及服饰图像识别基础 ……………………………………………………… 2

任务 1.2 服饰图像识别模型构建与标注………………………………………………………………… 16

任务 1.3 Keras Tuner 在服饰图像识别中的参数调优 ………………………………………………… 35

项目 2 TensorFlow 在用户评论分析中的应用 …………………………………………………………… 47

任务 2.1 自定义神经网络对影视评论进行分类………………………………………………………… 48

任务 2.2 结合 Keras 和 TensorFlow 资源中心提升影视评论分类水平 ……………………………… 66

项目 3 迁移学习在医疗行业图像分析中的应用 …………………………………………………………… 79

任务 3.1 人体肺部图像预处理…………………………………………………………………………… 79

任务 3.2 人体肺部图像数据的模型搭建与训练………………………………………………………… 93

项目 4 基于 Flask 的动物识别应用与部署 ……………………………………………………………… 112

任务 4.1 动物图像识别模型的构建与评估…………………………………………………………… 113

任务 4.2 基于 Flask 的动物识别 Web 应用部署 …………………………………………………… 129

项目 5 基于 RNN 的古诗词生成应用 …………………………………………………………………… 149

任务 5.1 古诗词文本数据预处理……………………………………………………………………… 150

任务 5.2 古诗词文本模型的搭建与训练……………………………………………………………… 162

任务 5.3 古诗词文本模型的测试与部署……………………………………………………………… 177

项目 6 基于 VGG19 的艺术图像风格迁移 ……………………………………………………………… 188

任务 6.1 初识艺术图像风格迁移……………………………………………………………………… 189

任务 6.2 基于 VGG19 构建迁移学习模型进行艺术图像风格迁移 ………………………………… 201

任务 6.3 训练模型实现艺术图像风格迁移…………………………………………………………… 213

参考文献……………………………………………………………………………………………………… 229