掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
TensorFlow機器學習實戰指南 版權信息
- ISBN：9787111579489
- 條形碼：9787111579489 ; 978-7-111-57948-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
TensorFlow機器學習實戰指南 本書特色
TensorFlow是一個開源機器學習庫。本書從TensorFlow的基礎開始介紹，涉及變量、矩陣和各種數據源。之后，針對使用TensorFlow線性回歸技術的實踐經驗進行詳細講解。后續章節將在前文的基礎上講述神經網絡、CNN、RNN和NLP等重要概念。
TensorFlow機器學習實戰指南 內容簡介
TensorFlow是一個開源機器學習庫。本書從TensorFlow的基礎開始介紹，涉及變量、矩陣和各種數據源。之后，針對使用TensorFlow線性回歸技術的實踐經驗進行詳細講解。后續章節將在前文的基礎上講述神經網絡、CNN、RNN和NLP等重要概念。
TensorFlow機器學習實戰指南 目錄
CONTENTS
目 錄
譯者序
作者簡介
審校者簡介
前言
第1章TensorFlow基礎 1
1.1TensorFlow介紹 1
1.2TensorFlow如何工作 1
1.2.1開始 1
1.2.2動手做 2
1.2.3工作原理 3
1.2.4參考 3
1.3聲明張量 3
1.3.1開始 4
1.3.2動手做 4
1.3.3工作原理 5
1.3.4延伸學習 5
1.4使用占位符和變量 6
1.4.1開始 6
1.4.2動手做 6
1.4.3工作原理 6
1.4.4延伸學習 7
1.5操作（計算）矩陣 7
1.5.1開始 7
1.5.2動手做 8
1.5.3工作原理 9
1.6聲明操作 10
1.6.1開始 10
1.6.2動手做 10
1.6.3工作原理 11
1.6.4延伸學習 12
1.7實現激勵函數 12
1.7.1開始 12
1.7.2動手做 12
1.7.3工作原理 13
1.7.4延伸學習 13
1.8讀取數據源 14
1.8.1開始 15
1.8.2動手做 15
1.8.3參考 18
1.9學習資料 19
第2章TensorFlow進階 20
2.1本章概要 20
2.2計算圖中的操作 20
2.2.1開始 20
2.2.2動手做 21
2.2.3工作原理 21
2.3TensorFlow的嵌入Layer 21
2.3.1開始 21
2.3.2動手做 22
2.3.3工作原理 22
2.3.4延伸學習 22
2.4TensorFlow的多層Layer 23
2.4.1開始 23
2.4.2動手做 24
2.4.3工作原理 25
2.5TensorFlow實現損失函數 26
2.5.1開始 26
2.5.2動手做 26
2.5.3工作原理 28
2.5.4延伸學習 29
2.6TensorFlow實現反向傳播 30
2.6.1開始 30
2.6.2動手做 31
2.6.3工作原理 33
2.6.4延伸學習 34
2.6.5參考 34
2.7TensorFlow實現隨機訓練和批量訓練 34
2.7.1開始 35
2.7.2動手做 35
2.7.3工作原理 36
2.7.4延伸學習 37
2.8TensorFlow實現創建分類器 37
2.8.1開始 37
2.8.2動手做 37
2.8.3工作原理 39
2.8.4延伸學習 40
2.8.5參考 40
2.9TensorFlow實現模型評估 40
2.9.1開始 40
2.9.2動手做 41
2.9.3工作原理 41
第3章基于TensorFlow的線性回歸 45
3.1線性回歸介紹 45
3.2用TensorFlow求逆矩陣 45
3.2.1開始 45
3.2.2動手做 46
3.2.3工作原理 47
3.3用TensorFlow實現矩陣分解 47
3.3.1開始 47
3.3.2動手做 47
3.3.3工作原理 48
3.4用TensorFlow實現線性回歸算法 49
3.4.1開始 49
3.4.2動手做 49
3.4.3工作原理 52
3.5理解線性回歸中的損失函數 52
3.5.1開始 52
3.5.2動手做 52
3.5.3工作原理 53
3.5.4延伸學習 54
3.6用TensorFlow實現戴明回歸算法 55
3.6.1開始 55
3.6.2動手做 56
3.6.3工作原理 57
3.7用TensorFlow實現lasso回歸和嶺回歸算法 58
3.7.1開始 58
3.7.2動手做 58
3.7.3工作原理 59
3.7.4延伸學習 59
3.8用TensorFlow實現彈性網絡回歸算法 60
3.8.1開始 60
3.8.2動手做 60
3.8.3工作原理 61
3.9用TensorFlow實現邏輯回歸算法 62
3.9.1開始 62
3.9.2動手做 62
3.9.3工作原理 65
第4章基于TensorFlow的支持向量機 66
4.1支持向量機簡介 66
4.2線性支持向量機的使用 67
4.2.1開始 67
4.2.2動手做 68
4.2.3工作原理 72
4.3弱化為線性回歸 72
4.3.1開始 73
4.3.2動手做 73
4.3.3工作原理 76
4.4TensorFlow上核函數的使用 77
4.4.1開始 77
4.4.2動手做 77
4.4.3工作原理 81
4.4.4延伸學習 82
4.5用TensorFlow實現非線性支持向量機 82
4.5.1開始 82
4.5.2動手做 82
4.5.3工作原理 84
4.6用TensorFlow實現多類支持向量機 85
4.6.1開始 85
4.6.2動手做 86
4.6.3工作原理 89
第5章*近鄰域法 90
5.1*近鄰域法介紹 90
5.2*近鄰域法的使用 91
5.2.1開始 91
5.2.2動手做 91
5.2.3工作原理 94
5.2.4延伸學習 94
5.3如何度量文本距離 95
5.3.1開始 95
5.3.2動手做 95
5.3.3工作原理 98
5.3.4延伸學習 98
5.4用TensorFlow實現混合距離計算 98
5.4.1開始 98
5.4.2動手做 98
5.4.3工作原理 101
5.4.4延伸學習 101
5.5用TensorFlow實現地址匹配 101
5.5.1開始 101
5.5.2動手做 102
5.5.3工作原理 104
5.6用TensorFlow實現圖像識別 105
5.6.1開始 105
5.6.2動手做 105
5.6.3工作原理 108
5.6.4延伸學習 108
第6章神經網絡算法 109
6.1神經網絡算法基礎 109
6.2用TensorFlow實現門函數 110
6.2.1開始 110
6.2.2動手做 111
6.2.3工作原理 113
6.3使用門函數和激勵函數 113
6.3.1開始 114
6.3.2動手做 114
6.3.3工作原理 116
6.3.4延伸學習 117
6.4用TensorFlow實現單層神經網絡 117
6.4.1開始 117
6.4.2動手做 117
6.4.3工作原理 119
6.4.4延伸學習 119
6.5用TensorFlow實現神經網絡常見層 120
6.5.1開始 120
6.5.2動手做 121
6.5.3工作原理 126
6.6用TensorFlow實現多層神經網絡 126
6.6.1開始 126
6.6.2動手做 126
6.6.3工作原理 131
6.7線性預測模型的優化 131
6.7.1開始 131
6.7.2動手做 131
6.7.3工作原理 135
6.8用TensorFlow基于神經網絡實現井字棋 136
6.8.1開始 136
6.8.2動手做 137
6.8.3工作原理 142
第7章自然語言處理 143
目 錄
譯者序
作者簡介
審校者簡介
前言
第1章TensorFlow基礎 1
1.1TensorFlow介紹 1
1.2TensorFlow如何工作 1
1.2.1開始 1
1.2.2動手做 2
1.2.3工作原理 3
1.2.4參考 3
1.3聲明張量 3
1.3.1開始 4
1.3.2動手做 4
1.3.3工作原理 5
1.3.4延伸學習 5
1.4使用占位符和變量 6
1.4.1開始 6
1.4.2動手做 6
1.4.3工作原理 6
1.4.4延伸學習 7
1.5操作（計算）矩陣 7
1.5.1開始 7
1.5.2動手做 8
1.5.3工作原理 9
1.6聲明操作 10
1.6.1開始 10
1.6.2動手做 10
1.6.3工作原理 11
1.6.4延伸學習 12
1.7實現激勵函數 12
1.7.1開始 12
1.7.2動手做 12
1.7.3工作原理 13
1.7.4延伸學習 13
1.8讀取數據源 14
1.8.1開始 15
1.8.2動手做 15
1.8.3參考 18
1.9學習資料 19
第2章TensorFlow進階 20
2.1本章概要 20
2.2計算圖中的操作 20
2.2.1開始 20
2.2.2動手做 21
2.2.3工作原理 21
2.3TensorFlow的嵌入Layer 21
2.3.1開始 21
2.3.2動手做 22
2.3.3工作原理 22
2.3.4延伸學習 22
2.4TensorFlow的多層Layer 23
2.4.1開始 23
2.4.2動手做 24
2.4.3工作原理 25
2.5TensorFlow實現損失函數 26
2.5.1開始 26
2.5.2動手做 26
2.5.3工作原理 28
2.5.4延伸學習 29
2.6TensorFlow實現反向傳播 30
2.6.1開始 30
2.6.2動手做 31
2.6.3工作原理 33
2.6.4延伸學習 34
2.6.5參考 34
2.7TensorFlow實現隨機訓練和批量訓練 34
2.7.1開始 35
2.7.2動手做 35
2.7.3工作原理 36
2.7.4延伸學習 37
2.8TensorFlow實現創建分類器 37
2.8.1開始 37
2.8.2動手做 37
2.8.3工作原理 39
2.8.4延伸學習 40
2.8.5參考 40
2.9TensorFlow實現模型評估 40
2.9.1開始 40
2.9.2動手做 41
2.9.3工作原理 41
第3章基于TensorFlow的線性回歸 45
3.1線性回歸介紹 45
3.2用TensorFlow求逆矩陣 45
3.2.1開始 45
3.2.2動手做 46
3.2.3工作原理 47
3.3用TensorFlow實現矩陣分解 47
3.3.1開始 47
3.3.2動手做 47
3.3.3工作原理 48
3.4用TensorFlow實現線性回歸算法 49
3.4.1開始 49
3.4.2動手做 49
3.4.3工作原理 52
3.5理解線性回歸中的損失函數 52
3.5.1開始 52
3.5.2動手做 52
3.5.3工作原理 53
3.5.4延伸學習 54
3.6用TensorFlow實現戴明回歸算法 55
3.6.1開始 55
3.6.2動手做 56
3.6.3工作原理 57
3.7用TensorFlow實現lasso回歸和嶺回歸算法 58
3.7.1開始 58
3.7.2動手做 58
3.7.3工作原理 59
3.7.4延伸學習 59
3.8用TensorFlow實現彈性網絡回歸算法 60
3.8.1開始 60
3.8.2動手做 60
3.8.3工作原理 61
3.9用TensorFlow實現邏輯回歸算法 62
3.9.1開始 62
3.9.2動手做 62
3.9.3工作原理 65
第4章基于TensorFlow的支持向量機 66
4.1支持向量機簡介 66
4.2線性支持向量機的使用 67
4.2.1開始 67
4.2.2動手做 68
4.2.3工作原理 72
4.3弱化為線性回歸 72
4.3.1開始 73
4.3.2動手做 73
4.3.3工作原理 76
4.4TensorFlow上核函數的使用 77
4.4.1開始 77
4.4.2動手做 77
4.4.3工作原理 81
4.4.4延伸學習 82
4.5用TensorFlow實現非線性支持向量機 82
4.5.1開始 82
4.5.2動手做 82
4.5.3工作原理 84
4.6用TensorFlow實現多類支持向量機 85
4.6.1開始 85
4.6.2動手做 86
4.6.3工作原理 89
第5章*近鄰域法 90
5.1*近鄰域法介紹 90
5.2*近鄰域法的使用 91
5.2.1開始 91
5.2.2動手做 91
5.2.3工作原理 94
5.2.4延伸學習 94
5.3如何度量文本距離 95
5.3.1開始 95
5.3.2動手做 95
5.3.3工作原理 98
5.3.4延伸學習 98
5.4用TensorFlow實現混合距離計算 98
5.4.1開始 98
5.4.2動手做 98
5.4.3工作原理 101
5.4.4延伸學習 101
5.5用TensorFlow實現地址匹配 101
5.5.1開始 101
5.5.2動手做 102
5.5.3工作原理 104
5.6用TensorFlow實現圖像識別 105
5.6.1開始 105
5.6.2動手做 105
5.6.3工作原理 108
5.6.4延伸學習 108
第6章神經網絡算法 109
6.1神經網絡算法基礎 109
6.2用TensorFlow實現門函數 110
6.2.1開始 110
6.2.2動手做 111
6.2.3工作原理 113
6.3使用門函數和激勵函數 113
6.3.1開始 114
6.3.2動手做 114
6.3.3工作原理 116
6.3.4延伸學習 117
6.4用TensorFlow實現單層神經網絡 117
6.4.1開始 117
6.4.2動手做 117
6.4.3工作原理 119
6.4.4延伸學習 119
6.5用TensorFlow實現神經網絡常見層 120
6.5.1開始 120
6.5.2動手做 121
6.5.3工作原理 126
6.6用TensorFlow實現多層神經網絡 126
6.6.1開始 126
6.6.2動手做 126
6.6.3工作原理 131
6.7線性預測模型的優化 131
6.7.1開始 131
6.7.2動手做 131
6.7.3工作原理 135
6.8用TensorFlow基于神經網絡實現井字棋 136
6.8.1開始 136
6.8.2動手做 137
6.8.3工作原理 142
第7章自然語言處理 143
展開全部
TensorFlow機器學習實戰指南 作者簡介
Nick McClure目前是位于華盛頓州西雅圖的PayScale公司的高級數據科學家。 在此之前，他曾就職于Zillow和Caesar公司。他在蒙大拿大學和圣本篤學院和圣約翰大學獲得應用數學學位。他熱愛學習，致力于機器學習和人工智能研究。
書友推薦
- >
中國歷史的瞬間
- >
自卑與超越
- >
月亮虎
- >
伊索寓言-世界文學名著典藏-全譯本
- >
山海經
- >
詩經-先民的歌唱
- >
朝聞道
- >
小考拉的故事-套裝共3冊
本類暢銷
