TensorFlow机器学习实战指南 原书第2版PDF电子书下载

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 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CNN 177

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CNN 183

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DeepDream 199

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LSTM 219

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：Tensorboard 258

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