TensorFlow 機器學習祕籍中文第二版(初稿) 阿新 • • 發佈:2019-09-18 TensorFlow 入門 介紹 TensorFlow 如何工作 宣告變數和張量 使用佔位符和變數 使用矩陣 宣告操作符 實現啟用函式 使用資料來源 其他資源 TensorFlow 的方式 介紹 計算圖中的操作 對巢狀操作分層 使用多個層 實現損失函式 實現反向傳播 使用批量和隨機訓練 把所有東西結合在一起 評估模型 線性迴歸 介紹 使用矩陣逆方法 實現分解方法 學習 TensorFlow 線性迴歸方法 理解線性迴歸中的損失函式 實現 deming 迴歸 實現套索和嶺迴歸 實現彈性網路迴歸 實現邏輯迴歸 支援向量機 介紹 使用線性 SVM 簡化為線性迴歸 在 TensorFlow 中使用核心 實現非線性 SVM 實現多類 SVM 最近鄰方法 介紹 使用最近鄰 使用基於文字的距離 使用混合距離函式的計算 使用地址匹配的示例 使用最近鄰進行影象識別 神經網路 介紹 實現操作門 使用門和啟用函式 實現單層神經網路 實現不同的層 使用多層神經網路 改進線性模型的預測 學習玩井字棋 自然語言處理 介紹 使用詞袋嵌入 實現 TF-IDF 使用 Skip-Gram 嵌入 使用 CBOW 嵌入 使用 word2vec 進行預測 使用 doc2vec 進行情緒分析 卷積神經網路 介紹 實現簡單的 CNN 實現先進的 CNN 重新訓練現有的 CNN 模型 應用 StyleNet 和 NeuralStyle 專案 實現 DeepDream 迴圈神經網路 介紹 為垃圾郵件預測實現 RNN 實現 LSTM 模型 堆疊多個 LSTM 層 建立序列到序列模型 訓練 Siamese RNN 相似性度量 將 TensorFlow 投入生產 介紹 實現單元測試 使用多個執行程式 並行化 TensorFlow 將 TensorFlow 投入生產 生產環境 TensorFlow 的一個例子 使用 TensorFlow 服務 更多 TensorFlow 介紹 視覺化 TensorBoard 中的圖 使用遺傳演算法 使用 k 均值聚類 求解常微分方程組 使用隨機森林 使用 TensorFlow 和 Keras