TensorFlow机器学习实战指南电子书

TensorFlow机器学习实战指南详细讲解了TensorFlow的方方面面，毫不夸张地说，如果读者能够坚持踏踏实实做完本书所有实战项目，则基本可以开始使用TensorFlow实际工作。最后本书还给出了TensorFlow产品级应用的最佳实践，以及扩展用法。

总之，本书适合广大对TensorFlow感兴趣的初中级读者。随着AI的兴起，会有越来越多的读者学习TensorFlow，希望本书能帮到大家。如果想进一步学习，那就要多看机器学习算法相关的书籍或者论文，并把TensorFlow的源代码研读几遍。

尼克·麦克卢尔（Nick McClure），资深数据科学家，目前就职于美国西雅图PayScale公司，曾经在Zillow公司和Caesar’s Entertainment公司工作，获得蒙大拿大学和圣本尼迪克与圣约翰大学的应用数学专业学位。

目录

译者序

作者简介

审校者简介

前言

第1章　TensorFlow基础

1.1　TensorFlow介绍

1.2　TensorFlow如何工作

1.2.1　开始

1.2.2　动手做

1.2.3　工作原理

1.2.4　参考

1.3　声明张量

1.3.1　开始

1.3.2　动手做

1.3.3　工作原理

1.3.4　延伸学习

1.4　使用占位符和变量

1.4.1　开始

1.4.2　动手做

1.4.3　工作原理

1.4.4　延伸学习

1.5　操作（计算）矩阵

1.5.1　开始

1.5.2　动手做

1.5.3　工作原理

1.6　声明操作

1.6.1　开始

1.6.2　动手做

1.6.3　工作原理

1.6.4　延伸学习

1.7　实现激励函数

1.7.1　开始

1.7.2　动手做

1.7.3　工作原理

1.7.4　延伸学习

1.8　读取数据源

1.8.1　开始

1.8.2　动手做

1.8.3　参考

1.9　学习资料

第2章　TensorFlow进阶

2.1　本章概要

2.2　计算图中的操作

2.2.1　开始

2.2.2　动手做

2.2.3　工作原理

2.3　TensorFlow的嵌入Layer

2.3.1　开始

2.3.2　动手做

2.3.3　工作原理

2.3.4　延伸学习

2.4　TensorFlow的多层Layer

2.4.1　开始

2.4.2　动手做

2.4.3　工作原理

2.5　TensorFlow实现损失函数

2.5.1　开始

2.5.2　动手做

2.5.3　工作原理

2.5.4　延伸学习

2.6　TensorFlow实现反向传播

2.6.1　开始

2.6.2　动手做

2.6.3　工作原理

2.6.4　延伸学习

2.6.5　参考

2.7　TensorFlow实现随机训练和批量训练

2.7.1　开始

2.7.2　动手做

2.7.3　工作原理

2.7.4　延伸学习

2.8　TensorFlow实现创建分类器

2.8.1　开始

2.8.2　动手做

2.8.3　工作原理

2.8.4　延伸学习

2.8.5　参考

2.9　TensorFlow实现模型评估

2.9.1　开始

2.9.2　动手做

2.9.3　工作原理

第3章　基于TensorFlow的线性回归

3.1　线性回归介绍

3.2　用TensorFlow求逆矩阵

3.2.1　开始

3.2.2　动手做

3.2.3　工作原理

3.3　用TensorFlow实现矩阵分解

3.3.1　开始

3.3.2　动手做

3.3.3　工作原理

3.4　用TensorFlow实现线性回归算法

3.4.1　开始

3.4.2　动手做

3.4.3　工作原理

3.5　理解线性回归中的损失函数

3.5.1　开始

3.5.2　动手做

3.5.3　工作原理

3.5.4　延伸学习

3.6　用TensorFlow实现戴明回归算法

3.6.1　开始

3.6.2　动手做

3.6.3　工作原理

3.7　用TensorFlow实现lasso回归和岭回归算法

3.7.1　开始

3.7.2　动手做

3.7.3　工作原理

3.7.4　延伸学习

3.8　用TensorFlow实现弹性网络回归算法

3.8.1　开始

3.8.2　动手做

3.8.3　工作原理

3.9　用TensorFlow实现逻辑回归算法

3.9.1　开始

3.9.2　动手做

3.9.3　工作原理

第4章　基于TensorFlow的支持向量机

4.1　支持向量机简介

4.2　线性支持向量机的使用

4.2.1　开始

4.2.2　动手做

4.2.3　工作原理

4.3　弱化为线性回归

4.3.1　开始

4.3.2　动手做

4.3.3　工作原理

4.4　TensorFlow上核函数的使用

4.4.1　开始

4.4.2　动手做

4.4.3　工作原理

4.4.4　延伸学习

4.5　用TensorFlow实现非线性支持向量机

4.5.1　开始

4.5.2　动手做

4.5.3　工作原理

4.6　用TensorFlow实现多类支持向量机

4.6.1　开始

4.6.2　动手做

4.6.3　工作原理

第5章　最近邻域法

5.1　最近邻域法介绍

5.2　最近邻域法的使用

5.2.1　开始

5.2.2　动手做

5.2.3　工作原理

5.2.4　延伸学习

5.3　如何度量文本距离

5.3.1　开始

5.3.2　动手做

5.3.3　工作原理

5.3.4　延伸学习

5.4　用TensorFlow实现混合距离计算

5.4.1　开始

5.4.2　动手做

5.4.3　工作原理

5.4.4　延伸学习

5.5　用TensorFlow实现地址匹配

5.5.1　开始

5.5.2　动手做

5.5.3　工作原理

5.6　用TensorFlow实现图像识别

5.6.1　开始

5.6.2　动手做

5.6.3　工作原理

5.6.4　延伸学习

第6章　神经网络算法

6.1　神经网络算法基础

6.2　用TensorFlow实现门函数

6.2.1　开始

6.2.2　动手做

6.2.3　工作原理

6.3　使用门函数和激励函数

6.3.1　开始

6.3.2　动手做

6.3.3　工作原理

6.3.4　延伸学习

6.4　用TensorFlow实现单层神经网络

6.4.1　开始

6.4.2　动手做

6.4.3　工作原理

6.4.4　延伸学习

6.5　用TensorFlow实现神经网络常见层

6.5.1　开始

6.5.2　动手做

6.5.3　工作原理

6.6　用TensorFlow实现多层神经网络

6.6.1　开始

6.6.2　动手做

6.6.3　工作原理

6.7　线性预测模型的优化

6.7.1　开始

6.7.2　动手做

6.7.3　工作原理

6.8　用TensorFlow基于神经网络实现井字棋

6.8.1　开始

6.8.2　动手做

6.8.3　工作原理

第7章　自然语言处理

7.1　文本处理介绍

7.2　词袋的使用

7.2.1　开始

7.2.2　动手做

7.2.3　工作原理

7.2.4　延伸学习

7.3　用TensorFlow实现TF-IDF算法

7.3.1　开始

7.3.2　动手做

7.3.3　工作原理

7.3.4　延伸学习

7.4　用TensorFlow实现skip-gram模型

7.4.1　开始

7.4.2　动手做

7.4.3　工作原理

7.4.4　延伸学习

7.5　用TensorFlow实现CBOW词嵌入模型

7.5.1　开始

7.5.2　动手做

7.5.3　工作原理

7.5.4　延伸学习

7.6　使用TensorFlow的Word2Vec预测

7.6.1　开始

7.6.2　动手做

7.6.3　工作原理

7.6.4　延伸学习

7.7　用TensorFlow实现基于Doc2Vec的情感分析

7.7.1　开始

7.7.2　动手做

7.7.3　工作原理

第8章　卷积神经网络

8.1　卷积神经网络介绍

8.2　用TensorFlow实现简单的CNN

8.2.1　开始

8.2.2　动手做

8.2.3　工作原理

8.2.4　延伸学习

8.2.5　参考

8.3　用TensorFlow实现进阶的CNN

8.3.1　开始

8.3.2　动手做

8.3.3　工作原理

8.3.4　参考

8.4　再训练已有的CNN模型

8.4.1　开始

8.4.2　动手做

8.4.3　工作原理

8.4.4　参考

8.5　用TensorFlow实现模仿大师绘画

8.5.1　开始

8.5.2　动手做

8.5.3　工作原理

8.5.4　参考

8.6　用TensorFlow实现DeepDream

8.6.1　开始

8.6.2　动手做

8.6.3　延伸学习

8.6.4　参考

第9章　递归神经网络

9.1　递归神经网络介绍

9.2　用TensorFlow实现RNN模型进行垃圾短信预测

9.2.1　开始

9.2.2　动手做

9.2.3　工作原理

9.2.4　延伸学习

9.3　用TensorFlow实现LSTM模型

9.3.1　开始

9.3.2　动手做

9.3.3　工作原理

9.3.4　延伸学习

9.4　Stacking多个LSTM Layer

9.4.1　开始

9.4.2　动手做

9.4.3　工作原理

9.5　用TensorFlow实现Seq2Seq翻译模型

9.5.1　开始

9.5.2　动手做

9.5.3　工作原理

9.5.4　延伸学习

9.6　TensorFlow实现孪生RNN预测相似度

9.6.1　开始

9.6.2　动手做

9.6.3　延伸学习

第10章　TensorFlow产品化

10.1　简介

10.2　TensorFlow的单元测试

10.2.1　开始

10.2.2　工作原理

10.3　TensorFlow的并发执行

10.3.1　开始

10.3.2　动手做

10.3.3　工作原理

10.3.4　延伸学习

10.4　分布式TensorFlow实践

10.4.1　开始

10.4.2　动手做

10.4.3　工作原理

10.5　TensorFlow产品化开发提示

10.5.1　开始

10.5.2　动手做

10.5.3　工作原理

10.6　TensorFlow产品化的实例

10.6.1　开始

10.6.2　动手做

10.6.3　工作原理

第11章　TensorFlow的进阶应用

11.1　简介

11.2　TensorFlow可视化：Tensorboard

11.2.1　开始

11.2.2　动手做

11.3　Tensorboard的进阶

11.4　用TensorFlow实现遗传算法

11.4.1　开始

11.4.2　动手做

11.4.3　工作原理

11.4.4　延伸学习

11.5　TensorFlow实现k-means算法

11.5.1　开始

11.5.2　动手做

11.5.3　延伸学习

11.6　用TensorFlow求解常微分方程问题

11.6.1　开始

11.6.2　动手做

11.6.3　工作原理

11.6.4　参考