TensorFlow是一个开源机器学习库。本书从TensorFlow的基础开始介绍,涉及变量、矩阵和各种数据源。之后,针对使用TensorFlow线性回归技术的实践经验进行详细讲解。后续章节将在前文的基础上讲述神经网络、CNN、RNN和NLP等重要概念。
目录
- CONTENTS
- 目 录
- 译者序
- 作者简介
- 审校者简介
- 前言
- 第1章TensorFlow基础 1
- 1.1TensorFlow介绍 1
- 1.2TensorFlow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
- 2.3TensorFlow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
- 2.4TensorFlow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
- 2.5TensorFlow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
- 2.6TensorFlow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
- 2.7TensorFlow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
- 2.8TensorFlow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
- 2.9TensorFlow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
- 4.4TensorFlow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