图书介绍
TensorFlow机器学习实战指南 原书第2版PDF|Epub|txt|kindle电子书版本网盘下载
- 李飞译；（美国）尼克·麦克卢尔 著
- 出版社： 北京：机械工业出版社
- ISBN：9787111631262
- 出版时间：2019
- 标注页数：281页
- 文件大小：83MB
- 文件页数：299页
- 主题词：人工智能－算法－研究；机器学习
PDF下载
下载说明
TensorFlow机器学习实战指南 原书第2版PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
第1章 TensorFlow基础1
1.1 简介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 声明变量和张量4
1.3.1 开始4
1.3.2 动手做4
1.3.3 工作原理6
1.3.4 延伸学习6
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7
1.4.4 延伸学习7
1.5 操作（计算）矩阵8
1.5.1 开始8
1.5.2 动手做8
1.5.3 工作原理10
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12
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14
1.7.4 延伸学习14
1.8 读取数据源14
1.8.1 开始15
1.8.2 动手做15
1.8.3 工作原理18
1.8.4 参考18
1.9 其他资源19
1.9.1 开始19
1.9.2 动手做19
第2章 TensorFlow进阶20
2.1 简介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23
2.4.3 工作原理24
2.5 TensorFlow实现损失函数24
2.5.1 开始25
2.5.2 动手做26
2.5.3 工作原理28
2.5.4 延伸学习28
2.6 TensorFlow实现反向传播29
2.6.1 开始29
2.6.2 动手做30
2.6.3 工作原理33
2.6.4 延伸学习33
2.6.5 参考33
2.7 TensorFlow实现批量训练和随机训练34
2.7.1 开始34
2.7.2 动手做34
2.7.3 工作原理35
2.7.4 延伸学习36
2.8 TensorFlow实现创建分类器36
2.8.1 开始36
2.8.2 动手做37
2.8.3 工作原理38
2.8.4 延伸学习39
2.8.5 参考39
2.9 TensorFlow实现模型评估39
2.9.1 开始39
2.9.2 动手做40
2.9.3 工作原理43
第3章 基于TensorFlow的线性回归44
3.1 简介44
3.2 用TensorFlow求逆矩阵44
3.2.1 开始45
3.2.2 动手做45
3.2.3 工作原理46
3.3 用TensorFlow实现矩阵分解46
3.3.1 开始46
3.3.2 动手做46
3.3.3 工作原理47
3.4 用TensorFlow实现线性回归算法47
3.4.1 开始48
3.4.2 动手做48
3.4.3 工作原理50
3.5 理解线性回归中的损失函数51
3.5.1 开始51
3.5.2 动手做51
3.5.3 工作原理52
3.5.4 延伸学习53
3.6 用TensorFlow实现戴明回归算法53
3.6.1 开始54
3.6.2 动手做54
3.6.3 工作原理55
3.7 用TensorFlow实现lasso回归和岭回归算法56
3.7.1 开始56
3.7.2 动手做56
3.7.3 工作原理58
3.7.4 延伸学习58
3.8 用TensorFlow实现弹性网络回归算法58
3.8.1 开始58
3.8.2 动手做58
3.8.3 工作原理60
3.9 用TensorFlow实现逻辑回归算法60
3.9.1 开始60
3.9.2 动手做61
3.9.3 工作原理63
第4章 基于TensorFlow的支持向量机65
4.1 简介65
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67
4.2.3 工作原理70
4.3 弱化为线性回归71
4.3.1 开始71
4.3.2 动手做72
4.3.3 工作原理74
4.4 TensorFlow上核函数的使用75
4.4.1 开始75
4.4.2 动手做76
4.4.3 工作原理80
4.4.4 延伸学习80
4.5 用TensorFlow实现非线性支持向量机80
4.5.1 开始80
4.5.2 动手做80
4.5.3 工作原理83
4.6 用TensorFlow实现多类支持向量机83
4.6.1 开始83
4.6.2 动手做84
4.6.3 工作原理87
第5章 最近邻域法88
5.1 简介88
5.2 最近邻域法的使用89
5.2.1 开始89
5.2.2 动手做89
5.2.3 工作原理92
5.2.4 延伸学习92
5.3 如何度量文本距离92
5.3.1 开始93
5.3.2 动手做93
5.3.3 工作原理95
5.3.4 延伸学习95
5.4 用TensorFlow实现混合距离计算95
5.4.1 开始96
5.4.2 动手做96
5.4.3 工作原理98
5.4.4 延伸学习98
5.5 用TensorFlow实现地址匹配99
5.5.1 开始99
5.5.2 动手做99
5.5.3 工作原理101
5.6 用TensorFlow实现图像识别102
5.6.1 开始102
5.6.2 动手做102
5.6.3 工作原理104
5.6.4 延伸学习105
第6章 神经网络算法106
6.1 简介106
6.2 用TensorFlow实现门函数107
6.2.1 开始107
6.2.2 动手做108
6.2.3 工作原理110
6.3 使用门函数和激励函数110
6.3.1 开始111
6.3.2 动手做111
6.3.3 工作原理113
6.3.4 延伸学习113
6.4 用TensorFlow实现单层神经网络114
6.4.1 开始114
6.4.2 动手做114
6.4.3 工作原理116
6.4.4 延伸学习117
6.5 用TensorFlow实现神经网络常见层117
6.5.1 开始117
6.5.2 动手做117
6.5.3 工作原理122
6.6 用TensorFlow实现多层神经网络123
6.6.1 开始123
6.6.2 动手做123
6.6.3 工作原理127
6.7 线性预测模型的优化128
6.7.1 开始128
6.7.2 动手做128
6.7.3 工作原理131
6.8 用TensorFlow基于神经网络实现井字棋132
6.8.1 开始133
6.8.2 动手做134
6.8.3 工作原理139
第7章 自然语言处理140
7.1 简介140
7.2 词袋的使用141
7.2.1 开始141
7.2.2 动手做142
7.2.3 工作原理146
7.2.4 延伸学习146
7.3 用TensorFlow实现TF－IDF算法146
7.3.1 开始146
7.3.2 动手做147
7.3.3 工作原理150
7.3.4 延伸学习151
7.4 用TensorFlow实现skip－gram模型151
7.4.1 开始151
7.4.2 动手做152
7.4.3 工作原理158
7.4.4 延伸学习158
7.5 用TensorFlow实现CBOW词嵌入模型158
7.5.1 开始158
7.5.2 动手做159
7.5.3 工作原理163
7.5.4 延伸学习163
7.6 使用TensorFlow的Word2 Vec预测163
7.6.1 开始163
7.6.2 动手做163
7.6.3 工作原理168
7.6.4 延伸学习168
7.7 用TensorFlow实现基于Doc2Vec的情感分析168
7.7.1 开始168
7.7.2 动手做169
7.7.3 工作原理175
第8章 卷积神经网络176
8.1 简介176
8.2 用TensorFlow实现简单的CNN177
8.2.1 开始177
8.2.2 动手做177
8.2.3 工作原理182
8.2.4 延伸学习182
8.2.5 参考183
8.3 用TensorFlow实现进阶的CNN183
8.3.1 开始183
8.3.2 动手做183
8.3.3 工作原理189
8.3.4 参考190
8.4 再训练已有的CNN模型190
8.4.1 开始190
8.4.2 动手做191
8.4.3 工作原理193
8.4.4 参考193
8.5 用TensorFlow实现图像风格迁移193
8.5.1 开始194
8.5.2 动手做194
8.5.3 工作原理199
8.5.4 参考199
8.6 用TensorFlow实现DeepDream199
8.6.1 开始199
8.6.2 动手做199
8.6.3 延伸学习204
8.6.4 参考204
第9章 循环神经网络205
9.1 简介205
9.2 用TensorFlow实现RNN模型进行垃圾邮件预测206
9.2.1 开始206
9.2.2 动手做206
9.2.3 工作原理211
9.2.4 延伸学习211
9.3 用TensorFlow实现LSTM模型211
9.3.1 开始211
9.3.2 动手做212
9.3.3 工作原理218
9.3.4 延伸学习218
9.4 TensorFlow堆叠多层LSTM219
9.4.1 开始219
9.4.2 动手做219
9.4.3 工作原理221
9.5 用TensorFlow实现Seq2Seq翻译模型221
9.5.1 开始221
9.5.2 动手做222
9.5.3 工作原理232
9.5.4 延伸学习232
9.6 TensorFlow训练孪生RNN度量相似度232
9.6.1 开始232
9.6.2 动手做233
9.6.3 延伸学习238
第10章 TensorFlow产品化239
10.1 简介239
10.2 TensorFlow的单元测试239
10.2.1 开始239
10.2.2 工作原理244
10.3 TensorFlow的多设备使用244
10.3.1 开始244
10.3.2 动手做245
10.3.3 工作原理246
10.3.4 延伸学习246
10.4 分布式TensorFlow实践246
10.4.1 开始247
10.4.2 动手做247
10.4.3 工作原理248
10.5 TensorFlow产品化开发提示248
10.5.1 开始248
10.5.2 动手做248
10.5.3 工作原理250
10.6 TensorFlow产品化的实例250
10.6.1 开始250
10.6.2 动手做250
10.6.3 工作原理253
10.7 TensorFlow服务部署253
10.7.1 开始253
10.7.2 动手做253
10.7.3 工作原理256
10.7.4 延伸学习257
第11章 TensorFlow的进阶应用258
11.1 简介258
11.2 TensorFlow可视化：Tensorboard258
11.2.1 开始258
11.2.2 动手做259
11.2.3 延伸学习261
11.3 用TensorFlow实现遗传算法263
11.3.1 开始263
11.3.2 动手做264
11.3.3 工作原理266
11.3.4 延伸学习266
11.4 用TensorFlow实现k－means聚类算法267
11.4.1 开始267
11.4.2 动手做267
11.4.3 延伸学习270
11.5 用TensorFlow求解常微分方程组270
11.5.1 开始271
11.5.2 动手做271
11.5.3 工作原理272
11.5.4 参考272
11.6 用TensorFlow实现随机森林算法273
11.6.1 开始273
11.6.2 动手做273
11.6.3 工作原理276
11.6.4 参考276
11.7 将Keras作为TensorFlow API使用277
11.7.1 开始277
11.7.2 动手做277
11.7.3 工作原理280
11.7.4 参考281