TensorFlow机器学习实战指南 - (EPUB全文下载)

文件大小：0.65 mb。
文件格式：epub 格式。
书籍内容：

TensorFlow机器学习实战指南
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
1.7.2 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
3.4.2 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
5.6.2 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 ............

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。