TensorFlow機器學習實戰指南 TensorFlow机器学习实战指南

Nick McClure

目前是位於華盛頓州西雅圖的PayScale公司的高級數據科學家。在此之前，他曾就職於Zillow和Caesar公司。他在蒙大拿大學和聖本篤學院和聖約翰大學獲得應用數學學位。他熱愛學習，致力於機器學習和人工智能研究。

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使用佔位符和變量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Layer21 
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Layer23 
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章基於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章基於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 
5.2.1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基於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 
7.1文本處理介紹
7.2詞袋的使用
7.2.1開始
7.2.2動手做
7.2.3工作原理
7.2.4延伸學習
7.3用TensorFlow實現TF—IDF算法
7.3.1開始
7.3.2動手做
7.3.3工作原理
7.3.4延伸學習
7.4用TensorFlow實現skip—gram模型
7.4.1開始
7.4.2動手做
7.4.3工作原理
7.4.4延伸學習
7.5用TensorFlow實現CBOW詞嵌入模型
7.5.1開始
7.5.2動手做
7.5.3工作原理
7.5.4延伸學習
7.6使用TensorFlow的Word2Vec預測
7.6.1開始
7.6.2動手做
7.6.3工作原理
7.6.4延伸學習
7.7用TensorFlow實現基於Doc2Vec的情感分析
7.7.1開始
7.7.2動手做
7.7. 3工作原理
…… 
第8章卷積神經網絡
第9章遞歸神經網絡
第10章TensorFlow產品化
第11章TensorFlow的進階應用