TensorFlow機器學習實戰指南 pdf epub mobi txt 電子書 下載2025

想要找書就要到 小美書屋

立刻按 ctrl+D收藏本頁

你會得到大驚喜!!

本書由資深數據科學傢撰寫，從實戰角度係統講解TensorFlow基本概念及各種應用實踐。真實的應用場景和數據，豐富的代碼實例，詳盡的操作步驟，帶你由淺入深係統掌握TensorFlow機器學習算法及其實現。

全書共11章，第1章介紹TensorFlow的基本概念；第2章介紹如何在計算圖中連接算法組件，創建一個簡單的分類器；第3章重點介紹如何使用TensorFlow實現各種綫性迴歸算法；第4章介紹支持嚮量機（SVM）算法；第5章介紹如何使用數值度量、文本度量和歸一化距離函數實現最近鄰域算法；第6章講述如何使用TensorFlow實現神經網絡算法；第7章闡述TensorFlow實現的各種文本處理算法。第8章擴展神經網絡算法；第9，解釋在TensorFlow中如何實現遞歸神經網絡（RNN）算法；第10章介紹TensorFlow産品級用例和tips；第11章展示TensorFlow如何實現k-means算法、遺傳算法和解決常微分方程（ODE）等。

Nick McClure 資深數據科學傢，目前就職於美國西雅圖PayScale公司。曾經在凱撒娛樂集團工作。他在濛大拿大學和聖本尼迪剋與聖約翰大學學院的應用數學專業獲得學位。他熱衷於數據分析、機器學習和人工智能。Nick有時會把想法寫成博客(http://fromdata.org/）或者推特（@nfmcclure）。

目　　錄
譯者序
作者簡介
審校者簡介
前言
第1章 TensorFlow基礎 1
1.1 TensorFlow介紹 1
1.2 TensorFlow如何工作 1
1.3 聲明張量 3
1.4 使用占位符和變量 6
1.5 操作（計算）矩陣 7
1.6 聲明操作 10
1.7 實現激勵函數 12
1.8 讀取數據源 14
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
2.3 TensorFlow的嵌入Layer 21
2.4 TensorFlow的多層Layer 23
2.5 TensorFlow實現損失函數 26
2.6 TensorFlow實現反嚮傳播 30
2.7 TensorFlow實現隨機訓練和批量訓練 34
2.8 TensorFlow實現創建分類器 37
2.9 TensorFlow實現模型評估 40
第3章 基於TensorFlow的綫性迴歸 45
3.1 綫性迴歸介紹 45
3.2 用TensorFlow求逆矩陣 45
3.3 用TensorFlow實現矩陣分解 47
3.4 用TensorFlow實現綫性迴歸算法 49
3.5 理解綫性迴歸中的損失函數 52
3.6 用TensorFlow實現戴明迴歸算法 55
3.7 用TensorFlow實現lasso迴歸和嶺迴歸算法 58
3.8 用TensorFlow實現彈性網絡迴歸算法 60
3.9 用TensorFlow實現邏輯迴歸算法 62
第4章 基於TensorFlow的支持嚮量機 66
4.1 支持嚮量機簡介 66
4.2 綫性支持嚮量機的使用 67
4.3 弱化為綫性迴歸 72
4.4 TensorFlow上核函數的使用 77
4.5 用TensorFlow實現非綫性支持嚮量機 82
4.6 用TensorFlow實現多類支持嚮量機 85
第5章 最近鄰域法 90
5.1 最近鄰域法介紹 90
5.2 最近鄰域法的使用 91
5.3 如何度量文本距離 95
5.4 用TensorFlow實現混閤距離計算 98
5.5 用TensorFlow實現地址匹配 101
5.6 用TensorFlow實現圖像識彆 105
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
6.3 使用門函數和激勵函數 113
6.4 用TensorFlow實現單層神經網絡 117
6.5 用TensorFlow實現神經網絡常見層 120
6.6 用TensorFlow實現多層神經網絡 126
6.7 綫性預測模型的優化 131
6.8 用TensorFlow基於神經網絡實現井字棋 136
第7章 自然語言處理 143
7.1 文本處理介紹 143
7.2 詞袋的使用 144
7.3 用TensorFlow實現TF-IDF算法 149
7.4 用TensorFlow實現skip-gram模型 155
7.5 用TensorFlow實現CBOW詞嵌入模型 162
7.6 使用TensorFlow的Word2Vec預測 167
7.7 用TensorFlow實現基於Doc2Vec的情感分析 172
第8章 捲積神經網絡 181
8.1 捲積神經網絡介紹 181
8.2 用TensorFlow實現簡單的CNN 182
8.3 用TensorFlow實現進階的CNN 188
8.4 再訓練已有的CNN模型 196
8.5 用TensorFlow實現模仿大師繪畫 199
8.6 用TensorFlow實現DeepDream 205
第9章 遞歸神經網絡 211
9.1 遞歸神經網絡介紹 211
9.2 用TensorFlow實現RNN模型進行垃圾短信預測 212
9.3 用TensorFlow實現LSTM模型 218
9.4 Stacking多個LSTM Layer 226
9.5 用TensorFlow實現Seq2Seq翻譯模型 229
9.6 TensorFlow實現孿生RNN預測相似度 235
第10章 TensorFlow産品化 243
10.1 簡介 243
10.2 TensorFlow的單元測試 243
10.3 TensorFlow的並發執行 247
10.4 分布式TensorFlow實踐 250
10.5 TensorFlow産品化開發提示 252
10.6 TensorFlow産品化的實例 254
第11章 TensorFlow的進階應用 257
11.1 簡介 257
11.2 TensorFlow可視化：Tensorboard 257
11.3 Tensorboard的進階 260
11.4 用TensorFlow實現遺傳算法 262
11.5 TensorFlow實現k-means算法 266
11.6 用TensorFlow求解常微分方程問題 270
· · · · · · (收起)