基于TensorFlow的深度学习 揭示数据隐含的奥秘PDF电子书下载

第1章 入门知识 1

1.1 TensorFlow安装 1

1.1.1 TensorFlow-主界面 1

1.1.2 TensorFlow-安装页面 1

1.1.3通过pip安装 1

1.1.4通过CoCalc安装 4

1.2简单计算 6

1.2.1定义标量和张量 6

1.2.2张量计算 7

1.2.3执行计算 7

1.2.4张量变量 8

1.2.5查看和替换中间值 9

1.3逻辑回归模型建模 10

1.3.1导入字体分类数据集 11

1.3.2逻辑回归分析 13

1.3.3数据准备 13

1.3.4构建TensorFlow模型 14

1.4逻辑回归模型训练 15

1.4.1编写损失函数 15

1.4.2训练模型 16

1.4.3评估模型精度 17

1.5小结 19

第2章 深度神经网络 20

2.1基本神经网络 20

2.1.1 log函数 21

2.1.2 sigmoid函数 22

2.2单隐层模型 23

2.2.1单隐层模型探讨 24

2.2.2反向传播算法 25

2.3单隐层模型解释 26

2.3.1理解模型权重 28

2.4多隐层模型 29

2.4.1多隐层模型探讨 30

2.5多隐层模型结果 32

2.5.1多隐层模型图理解 33

2.6小结 36

第3章 卷积神经网络 37

3.1卷积层激励 37

3.1.1多特征提取 40

3.2卷积层应用 41

3.2.1卷积层探讨 41

3.3池化层激励 46

3.3.1最大池化层 46

3.4池化层应用 49

3.5深度卷积神经网络 51

3.5.1添加卷积层和池化层组合 51

3.5.2应用卷积神经网络进行字体分类 53

3.6更深度卷积神经网络 57

3.6.1对卷积神经网络中的一层添加另一层 57

3.7整理总结深度卷积神经网络 60

3.8小结 64

第4章 递归神经网络 65

4.1递归神经网络探讨 65

4.1.1权重建模 66

4.1.2递归神经网络理解 67

4.2 TensorFlow Learn 70

4.2.1设置 71

4.2.2逻辑回归 72

4.3深度神经网络 73

4.3.1卷积神经网络在Learn中的应用 74

4.3.2权重提取 77

4.4小结 78

第5章 总结整理 79

5.1研究评价 79

5.2所有模型的快速回顾 80

5.2.1逻辑回归模型 80

5.2.2单隐层神经网络模型 81

5.2.3深度神经网络 83

5.2.4卷积神经网络 84

5.2.5深度卷积神经网络 85

5.3 TensorFlow的展望 87

5.3.1一些TensorFlow工程项目 88

5.4小结 90