《TensorFlow机器学习实战指南》

内容简介[url=]编辑[/url][url=] 播报[/url]
本书由资深数据科学家撰写，从实战角度系统讲解TensorFlow基本概念及各种应用实践。真实的应用场景和数据，丰富的代码实例，详尽的操作步骤，带你由浅入深系统掌握TensorFlow机器学习算法及其实现。
全书共11章，第1章介绍TensorFlow的基本概念；第2章介绍如何在计算图中连接算法组件，创建一个简单的分类器；第3章重点介绍如何使用TensorFlow实现各种线性回归算法；第4章介绍支持向量机（SVM）算法；第5章介绍如何使用数值度量、文本度量和归一化距离函数实现最近邻域算法；第6章讲述如何使用TensorFlow实现神经网络算法；第7章阐述TensorFlow实现的各种文本处理算法；第8章扩展神经网络算法；第9章解释在TensorFlow中如何实现递归神经网络（RNN）算法；第10章介绍TensorFlow产品级用例；第11章展示TensorFlow如何实现遗传算法、k-means算法和求解常微分方程（ODE）。 [1]

图书目录[url=]编辑[/url][url=] 播报[/url]
译者序
作者简介
审校者简介
前言
第1章 TensorFlow基础 1
1.1 TensorFlow介绍 1
1.2 TensorFlow如何工作 1
1.2.1 开始 1
1.2.2 动手做 2
1.2.3 工作原理 3
1.2.4 参考 3
1.3 声明张量 3
1.3.1 开始 4
1.3.2 动手做 4
1.3.3 工作原理 5
1.3.4 延伸学习 5
1.4 使用占位符和变量 6
1.4.1 开始 6
1.4.2 动手做 6
1.4.3 工作原理 6
1.4.4 延伸学习 7
1.5 操作（计算）矩阵 7
1.5.1 开始 7
1.5.2 动手做 8
1.5.3 工作原理 9
1.6 声明操作 10
1.6.1 开始 10
1.6.2 动手做 10
1.6.3 工作原理 11
1.6.4 延伸学习 12
1.7 实现激励函数 12
1.7.1 开始 12
1.7.2 动手做 12
1.7.3 工作原理 13
1.7.4 延伸学习 13
1.8 读取数据源 14
1.8.1 开始 15
1.8.2 动手做 15
1.8.3 参考 18
1.9 学习资料 19
第2章 TensorFlow进阶 20
2.1 本章概要 20
2.2 计算图中的操作 20
2.2.1 开始 20
2.2.2 动手做 21
2.2.3 工作原理 21
2.3 TensorFlow的嵌入Layer 21
2.3.1 开始 21
2.3.2 动手做 22
2.3.3 工作原理 22
2.3.4 延伸学习 22
2.4 TensorFlow的多层Layer 23
2.4.1 开始 23
2.4.2 动手做 24
2.4.3 工作原理 25
2.5 TensorFlow实现损失函数 26
2.5.1 开始 26
2.5.2 动手做 26
2.5.3 工作原理 28
2.5.4 延伸学习 29
2.6 TensorFlow实现反向传播 30
2.6.1 开始 30
2.6.2 动手做 31
2.6.3 工作原理 33
2.6.4 延伸学习 34
2.6.5 参考 34
2.7 TensorFlow实现随机训练和批量训练 34
2.7.1 开始 35
2.7.2 动手做 35
2.7.3 工作原理 36
2.7.4 延伸学习 37
2.8 TensorFlow实现创建分类器 37
2.8.1 开始 37
2.8.2 动手做 37
2.8.3 工作原理 39
2.8.4 延伸学习 40
2.8.5 参考 40
2.9 TensorFlow实现模型评估 40
2.9.1 开始 40
2.9.2 动手做 41
2.9.3 工作原理 41
第3章 基于TensorFlow的线性回归 45
3.1 线性回归介绍 45
3.2 用TensorFlow求逆矩阵 45
3.2.1 开始 45
3.2.2 动手做 46
3.2.3 工作原理 47
3.3 用TensorFlow实现矩阵分解 47
3.3.1 开始 47
3.3.2 动手做 47
3.3.3 工作原理 48
3.4 用TensorFlow实现线性回归算法 49
3.4.1 开始 49
3.4.2 动手做 49
3.4.3 工作原理 52
3.5 理解线性回归中的损失函数 52
3.5.1 开始 52
3.5.2 动手做 52
3.5.3 工作原理 53
3.5.4 延伸学习 54
3.6 用TensorFlow实现戴明回归算法 55
3.6.1 开始 55
3.6.2 动手做 56
3.6.3 工作原理 57
3.7 用TensorFlow实现lasso回归和岭回归算法 58
3.7.1 开始 58
3.7.2 动手做 58
3.7.3 工作原理 59
3.7.4 延伸学习 59
3.8 用TensorFlow实现弹性网络回归算法 60
3.8.1 开始 60
3.8.2 动手做 60
3.8.3 工作原理 61
3.9 用TensorFlow实现逻辑回归算法 62
3.9.1 开始 62
3.9.2 动手做 62
3.9.3 工作原理 65
第4章 基于TensorFlow的支持向量机 66
4.1 支持向量机简介 66
4.2 线性支持向量机的使用 67
4.2.1 开始 67
4.2.2 动手做 68
4.2.3 工作原理 72
4.3 弱化为线性回归 72
4.3.1 开始 73
4.3.2 动手做 73
4.3.3 工作原理 76
4.4 TensorFlow上核函数的使用 77
4.4.1 开始 77
4.4.2 动手做 77
4.4.3 工作原理 81
4.4.4 延伸学习 82
4.5 用TensorFlow实现非线性支持向量机 82
4.5.1 开始 82
4.5.2 动手做 82
4.5.3 工作原理 84
4.6 用TensorFlow实现多类支持向量机 85
4.6.1 开始 85
4.6.2 动手做 86
4.6.3 工作原理 89
第5章 最近邻域法 90
5.1 最近邻域法介绍 90
5.2 最近邻域法的使用 91
5.2.1 开始 91
5.2.2 动手做 91
5.2.3 工作原理 94
5.2.4 延伸学习 94
5.3 如何度量文本距离 95
5.3.1 开始 95
5.3.2 动手做 95
5.3.3 工作原理 98
5.3.4 延伸学习 98
5.4 用TensorFlow实现混合距离计算 98
5.4.1 开始 98
5.4.2 动手做 98
5.4.3 工作原理 101
5.4.4 延伸学习 101
5.5 用TensorFlow实现地址匹配 101
5.5.1 开始 101
5.5.2 动手做 102
5.5.3 工作原理 104
5.6 用TensorFlow实现图像识别 105
5.6.1 开始 105
5.6.2 动手做 105
5.6.3 工作原理 108
5.6.4 延伸学习 108
第6章 神经网络算法 109
6.1 神经网络算法基础 109
6.2 用TensorFlow实现门函数 110
6.2.1 开始 110
6.2.2 动手做 111
6.2.3 工作原理 113
6.3 使用门函数和激励函数 113
6.3.1 开始 114
6.3.2 动手做 114
6.3.3 工作原理 116
6.3.4 延伸学习 117
6.4 用TensorFlow实现单层神经网络 117
6.4.1 开始 117
6.4.2 动手做 117
6.4.3 工作原理 119
6.4.4 延伸学习 119
6.5 用TensorFlow实现神经网络常见层 120
6.5.1 开始 120
6.5.2 动手做 121
6.5.3 工作原理 126
6.6 用TensorFlow实现多层神经网络 126
6.6.1 开始 126
6.6.2 动手做 126
6.6.3 工作原理 131
6.7 线性预测模型的优化 131
6.7.1 开始 131
6.7.2 动手做 131
6.7.3 工作原理 135
6.8 用TensorFlow基于神经网络实现井字棋 136
6.8.1 开始 136
6.8.2 动手做 137
6.8.3 工作原理 142
第7章 自然语言处理 143
7.1 文本处理介绍 143
7.2 词袋的使用 144
7.2.1 开始 144
7.2.2 动手做 144
7.2.3 工作原理 149
7.2.4 延伸学习 149
7.3 用TensorFlow实现TF-IDF算法 149
7.3.1 开始 150
7.3.2 动手做 150
7.3.3 工作原理 154
7.3.4 延伸学习 154
7.4 用TensorFlow实现skip-gram模型 155
7.4.1 开始 155
7.4.2 动手做 155
7.4.3 工作原理 162
7.4.4 延伸学习 162
7.5 用TensorFlow实现CBOW词嵌入模型 162
7.5.1 开始 162
7.5.2 动手做 163
7.5.3 工作原理 167
7.5.4 延伸学习 167
7.6 使用TensorFlow的Word2Vec预测 167
7.6.1 开始 167
7.6.2 动手做 168
7.6.3 工作原理 172
7.6.4 延伸学习 172
7.7 用TensorFlow实现基于Doc2Vec的情感分析 172
7.7.1 开始 172
7.7.2 动手做 173
7.7.3 工作原理 180
第8章 卷积神经网络 181
8.1 卷积神经网络介绍 181
8.2 用TensorFlow实现简单的CNN 182
8.2.1 开始 182
8.2.2 动手做 182
8.2.3 工作原理 187
8.2.4 延伸学习 188
8.2.5 参考 188
8.3 用TensorFlow实现进阶的CNN 188
8.3.1 开始 188
8.3.2 动手做 189
8.3.3 工作原理 196
8.3.4 参考 196
8.4 再训练已有的CNN模型 196
8.4.1 开始 196
8.4.2 动手做 196
8.4.3 工作原理 199
8.4.4 参考 199
8.5 用TensorFlow实现模仿大师绘画 199
8.5.1 开始 200
8.5.2 动手做 200
8.5.3 工作原理 205
8.5.4 参考 205
8.6 用TensorFlow实现DeepDream 205
8.6.1 开始 205
8.6.2 动手做 205
8.6.3 延伸学习 210
8.6.4 参考 210
第9章 递归神经网络 211
9.1 递归神经网络介绍 211
9.2 用TensorFlow实现RNN模型进行垃圾短信预测 212
9.2.1 开始 212
9.2.2 动手做 213
9.2.3 工作原理 217
9.2.4 延伸学习 218
9.3 用TensorFlow实现LSTM模型 218
9.3.1 开始 218
9.3.2 动手做 219
9.3.3 工作原理 226
9.3.4 延伸学习 226
9.4 Stacking多个LSTM Layer 226
9.4.1 开始 226
9.4.2 动手做 227
9.4.3 工作原理 228
9.5 用TensorFlow实现Seq2Seq翻译模型 229
9.5.1 开始 229
9.5.2 动手做 229
9.5.3 工作原理 234
9.5.4 延伸学习 234
9.6 TensorFlow实现孪生RNN预测相似度 235
9.6.1 开始 235
9.6.2 动手做 236
9.6.3 延伸学习 242
第10章 TensorFlow产品化 243
10.1 简介 243
10.2 TensorFlow的单元测试 243
10.2.1 开始 243
10.2.2 工作原理 247
10.3 TensorFlow的并发执行 247
10.3.1 开始 248
10.3.2 动手做 248
10.3.3 工作原理 250
10.3.4 延伸学习 250
10.4 分布式TensorFlow实践 250
10.4.1 开始 250
10.4.2 动手做 250
10.4.3 工作原理 251
10.5 TensorFlow产品化开发提示 252
10.5.1 开始 252
10.5.2 动手做 252
10.5.3 工作原理 254
10.6 TensorFlow产品化的实例 254
10.6.1 开始 254
10.6.2 动手做 254
10.6.3 工作原理 256
第11章 TensorFlow的进阶应用 257
11.1 简介 257
11.2 TensorFlow可视化：Tensorboard 257
11.2.1 开始 257
11.2.2 动手做 258
11.3 Tensorboard的进阶 260
11.4 用TensorFlow实现遗传算法 262
11.4.1 开始 262
11.4.2 动手做 263
11.4.3 工作原理 265
11.4.4 延伸学习 266
11.5 TensorFlow实现k-means算法 266
11.5.1 开始 266
11.5.2 动手做 266
11.5.3 延伸学习 270
11.6 用TensorFlow求解常微分方程问题 270
11.6.1 开始 270
11.6.2 动手做 270
11.6.3 工作原理 271
11.6.4 参考 272 [1]