- 作 者：（美）尼克·麦克卢尔著；曾益强译者
- 出 版 社：北京：机械工业出版社
- 出版年份：2017
- ISBN：9787111579489
- 标注页数：105 页
- PDF页数：293 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293 ≥105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 TensorFlow介绍 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 9
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
2.3 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 24
2.4.3 工作原理 25
2.5 TensorFlow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
2.6 TensorFlow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
2.7 TensorFlow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
2.8 TensorFlow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
2.9 TensorFlow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
4.4 TensorFlow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
7.1 文本处理介绍 143
7.2 词袋的使用 144
7.2.1 开始 144
7.2.2 动手做 144
7.2.3 工作原理 149
7.2.4 延伸学习 149
7.3 用TensorFlow实现TF-IDF算法 149
7.3.1 开始 150
7.3.2 动手做 150
7.3.3 工作原理 154
7.3.4 延伸学习 154
7.4 用TensorFlow实现skip-gram模型 155
7.4.1 开始 155
7.4.2 动手做 155
7.4.3 工作原理 162
7.4.4 延伸学习 162
7.5 用TensorFlow实现CBOW词嵌入模型 162
7.5.1 开始 162
7.5.2 动手做 163
7.5.3 工作原理 167
7.5.4 延伸学习 167
7.6 使用TensorFlow的Word2 Vec预测 167
7.6.1 开始 167
7.6.2 动手做 168
7.6.3 工作原理 172
7.6.4 延伸学习 172
7.7 用TensorFlow实现基于Doc2Vec的情感分析 172
7.7.1 开始 172
7.7.2 动手做 173
7.7.3 工作原理 180
第8章 卷积神经网络 181
8.1 卷积神经网络介绍 181
8.2 用TensorFlow实现简单的CNN 182
8.2.1 开始 182
8.2.2 动手做 182
8.2.3 工作原理 187
8.2.4 延伸学习 188
8.2.5 参考 188
8.3 用TensorFlow实现进阶的CNN 188
8.3.1 开始 188
8.3.2 动手做 189
8.3.3 工作原理 196
8.3.4 参考 196
8.4 再训练已有的CNN模型 196
8.4.1 开始 196
8.4.2 动手做 196
8.4.3 工作原理 199
8.4.4 参考 199
8.5 用TensorFlow实现模仿大师绘画 199
8.5.1 开始 200
8.5.2 动手做 200
8.5.3 工作原理 205
8.5.4 参考 205
8.6 用TensorFlow实现DeepDream 205
8.6.1 开始 205
8.6.2 动手做 205
8.6.3 延伸学习 210
8.6.4 参考 210
第9章 递归神经网络 211
9.1 递归神经网络介绍 211
9.2 用TensorFlow实现RNN模型进行垃圾短信预测 212
9.2.1 开始 212
9.2.2 动手做 213
9.2.3 工作原理 217
9.2.4 延伸学习 218
9.3 用TensorFlow实现LSTM模型 218
9.3.1 开始 218
9.3.2 动手做 219
9.3.3 工作原理 226
9.3.4 延伸学习 226
9.4 Stacking多个LSTM Layer 226
9.4.1 开始 226
9.4.2 动手做 227
9.4.3 工作原理 228
9.5 用TensorFlow实现Seq2Seq翻译模型 229
9.5.1 开始 229
9.5.2 动手做 229
9.5.3 工作原理 234
9.5.4 延伸学习 234
9.6 TensorFlow实现孪生RNN预测相似度 235
9.6.1 开始 235
9.6.2 动手做 236
9.6.3 延伸学习 242
第10章 TensorFlow产品化 243
10.1 简介 243
10.2 TensorFlow的单元测试 243
10.2.1 开始 243
10.2.2 工作原理 247
10.3 TensorFlow的并发执行 247
10.3.1 开始 248
10.3.2 动手做 248
10.3.3 工作原理 250
10.3.4 延伸学习 250
10.4 分布式TensorFlow实践 250
10.4.1 开始 250
10.4.2 动手做 250
10.4.3 工作原理 251
10.5 TensorFlow产品化开发提示 252
10.5.1 开始 252
10.5.2 动手做 252
10.5.3 工作原理 254
10.6 TensorFlow产品化的实例 254
10.6.1 开始 254
10.6.2 动手做 254
10.6.3 工作原理 256
第11章 TensorFlow的进阶应用 257
11.1 简介 257
11.2 TensorFlow可视化：Tensorboard 257
11.2.1 开始 257
11.2.2 动手做 258
11.3 Tensorboard的进阶 260
11.4 用TensorFlow实现遗传算法 262
11.4.1 开始 262
11.4.2 动手做 263
11.4.3 工作原理 265
11.4.4 延伸学习 266
11.5 TensorFlow实现k-means算法 266
11.5.1 开始 266
11.5.2 动手做 266
11.5.3 延伸学习 270
11.6 用TensorFlow求解常微分方程问题 270
11.6.1 开始 270
11.6.2 动手做 270
11.6.3 工作原理 271
11.6.4 参考 272