- 作 者：李飞译；（美国）尼克·麦克卢尔
- 出 版 社：北京：机械工业出版社
- 出版年份：2019
- ISBN：9787111631262
- 标注页数：281 页
- PDF页数：299 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源299 ≥281页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
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