当前位置:首页 > 其他书籍
Python快乐编程  TensorFlow深度学习项目实战
Python快乐编程  TensorFlow深度学习项目实战

Python快乐编程 TensorFlow深度学习项目实战PDF电子书下载

其他书籍

  • 电子书积分:20 积分如何计算积分?
  • 作 者:千锋教育高教产品研发部编著
  • 出 版 社:
  • 出版年份:2020
  • ISBN:
  • 页数:0 页
图书介绍:
上一篇:马克思的建设性思维下一篇:
《Python快乐编程 TensorFlow深度学习项目实战》目录

第1章 初识TensorFlow 1

1.1深度学习介绍 1

1.2 TensorFlow简介 4

1.3 TensorF low环境搭建 7

1.4 TensorFlow测试 11

1.5本章小结 12

1.6习题 12

第2章TensorFlow基础 14

2.1张量 14

2.2会话 17

2.3变量与占位符 18

2.4矩阵 20

2.4.1创建矩阵 20

2.4.2矩阵基本运算 21

2.5本章小结 22

2.6习题 23

第3章TensorFlow进阶 25

3.1 TensorFlow的计算模型 25

3.1.1计算图的工作原理 25

3.1.2计算图的使用 26

3.2 TensorFlow的嵌入层 28

3.3 TensorF low的多层 29

3.4 TensorFlow实现损失函数 31

3.4.1损失函数 31

3.4.2损失函数工作原理及实现 34

3.5 TensorFlow实现反向传播 37

3.5.1反向传播算法 37

3.5.2反向传播算法的工作原理及实现 38

3.6 TensorFlow实现随机训练和批量训练 42

3.7 TensorFlow创建分类器 47

3.8 TensorFlow实现模型评估 51

3.8.1模型评估方法 51

3.8.2模型评估工作原理及实现 51

3.9本章小结 56

3.10习题 56

第4章 基于TensorFlow的线性回归 58

4.1线性回归简介 58

4.2 TensorFlow求逆矩阵 63

4.3 TensorFlow求矩阵的分解 65

4.4 TensorFlow实现线性回归算法 68

4.5线性回归中的损失函数 71

4.6 TensorFlow实现戴明回归 74

4.7 TensorFlow实现Ridge回归与Lasso回归 78

4.8 TensorFlow实现逻辑回归 83

4.9本章小结 86

4.10习题 86

第5章 神经网络算法基础 88

5.1神经网络算法简介 88

5.2 TensorFlow实现激活函数 89

5.2.1 Sigmoid函数 89

5.2.2 Tanh函数 90

5.2.3 ReLU数 91

5.3 TensorFlow实现单层神经网络 92

5.4 TensorFlow实现神经网络常见层 94

5.5本章小结 98

5.6习题 98

第6章 数字识别问题 99

6.1 MNIST数据处理 99

6.2神经网络模型训练进阶 102

6.2.1程序与数据的拆分 102

6.2.2变量管理 108

6.3 TensorFlow模型持久化 111

6.3.1 TensorFlow实现保存或加载模型 111

6.3.2 TensorFlow模型持久化的原理及数据格式 113

6.4本章小结 119

6.5习题 119

第7章TensorFlow实现卷积神经网络 120

7.1卷积神经网络简介 120

7.2 TensorFlow实现简单的CNN 126

7.3 TensorFlow实现进阶CNN 131

7.4 TensorFlow实现图片风格渲染 138

7.5本章小结 143

7.6习题 143

第8章 图像数据处理 145

8.1 TFRecords 145

8.2图像数据的预处理 148

8.2.1图像预处理方法简介 148

8.2.2图像预处理实例 158

8.3多线程输入数据处理框架 160

8.3.1队列与多线程 160

8.3.2输入文件队列 163

8.3.3组合训练数据 165

8.4数据集的使用方法 167

8.5本章小结 172

8.6习题 172

第9章TensorFlow实现循环神经网络 174

9.1循环神经网络简介 174

9.2通过TensorFlow实现垃圾短信预测 175

9.3通过TensorFlow实现LSTM模型 180

9.4通过TensorFlow实现多层LSTM模型 186

9.5本章小结 193

9.6习题 193

第10章TensorFlow产品化 194

10.1 TensorFlow的单元测试 194

10.2 TensorFlow并发执行 198

10.3 TensorFlow分布式实践 199

10.4 TensorFlow产品化开发 200

10.5本章小结 202

10.6习题 202

第11章TensorFlow的进阶用法 204

11.1 TensorFlow实现遗传算法 204

11.2 TensorFlow实现K-means算法 208

11.3 TensorFlow求解常微分方程 212

11.4本章小结 213

11.5习题 214

第12章TensorFlow高层封装 215

12.1 TensorFlow的常见封装方法简介 215

12.2 Keras 217

12.2.1序贯模型 218

12.2.2函数式模型 220

12.3 Estimator 222

12.3.1 Estimator的基本用法 223

12.3.2 Estimator自定义模型 225

12.4本章小结 227

12.5习题 228

第13章TensorFlow可视化 229

13.1 TensorBoard简介 229

13.2 TensorBoard可视化 231

13.2.1 TensorFlow命名空间与TensorBoard图上节点 231

13.2.2 TensorBoard节点信息 236

13.3本章小结 238

13.4习题 238

第14章TensorFlow实现车牌识别 239

14.1项目简介 239

14.2生成训练数据集 240

14.3数据读取 244

14.4构建神经网络模型 246

14.5开始模型训练 251

14.6测试模型准确度 254

14.7本章小结 257

返回顶部