TensorFlow机器学习实战指南【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

TensorFlow机器学习实战指南PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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9

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Layer21

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Layer23

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Word2 Vec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CNN182

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CNN188

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DeepDream205

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 Layer226

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：Tensorboard257

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