《TensorFlow机器学习实战指南》源码

TensorFlow是一个用于机器智能的开源软件库。本书从TensorFlow的基础开始介绍，包括变量、矩阵和各种数据源。之后，针对使用TensorFlow线性回归技术的实践经验进行详细讲解。后续章节将在前文的基础上讲述神经网络、CNN、RNN和NLP等重要概念。全书将以独特的方式教授读者如何使用TensorFlow进行数学计算，使读者通过使用TensorFlow来处理训练模型、模型评估、情绪分析、回归分析、聚类分析、人工神经网络及深度学习等，并在最后一章引导读者如何将其应用于生产。

封面图

目录

• 译者序
• 作者简介
• 审校者简介
• 前言
• 第1章 TensorFlow基础1
• 1.1 TensorFlow介绍1
• 1.2 TensorFlow如何工作1
• 1.2.1 开始1
• 1.2.2 动手做2
• 1.2.3 工作原理3
• 1.2.4 参考3
• 1.3 声明张量3
• 1.3.1 开始4
• 1.3.2 动手做4
• 1.3.3 工作原理5
• 1.3.4 延伸学习5
• 1.4 使用占位符和变量6
• 1.4.1 开始6
• 1.4.2 动手做6
• 1.4.3 工作原理6
• 1.4.4 延伸学习7
• 1.5 操作（计算）矩阵7
• 1.5.1 开始7
• 1.5.2 动手做8
• 1.5.3 工作原理9
• 1.6 声明操作10
• 1.6.1 开始10
• 1.6.2 动手做10
• 1.6.3 工作原理11
• 1.6.4 延伸学习12
• 1.7 实现激励函数12
• 1.7.1 开始12
• 1.7.2 动手做12
• 1.7.3 工作原理13
• 1.7.4 延伸学习13
• 1.8 读取数据源14
• 1.8.1 开始15
• 1.8.2 动手做15
• 1.8.3 参考18
• 1.9 学习资料19
• 第2章 TensorFlow进阶20
• 2.1 本章概要20
• 2.2 计算图中的操作20
• 2.2.1 开始20
• 2.2.2 动手做21
• 2.2.3 工作原理21
• 2.3 TensorFlow的嵌入Layer21
• 2.3.1 开始21
• 2.3.2 动手做22
• 2.3.3 工作原理22
• 2.3.4 延伸学习22
• 2.4 TensorFlow的多层Layer23
• 2.4.1 开始23
• 2.4.2 动手做24
• 2.4.3 工作原理25
• 2.5 TensorFlow实现损失函数26
• 2.5.1 开始26
• 2.5.2 动手做26
• 2.5.3 工作原理28
• 2.5.4 延伸学习29
• 2.6 TensorFlow实现反向传播30
• 2.6.1 开始30
• 2.6.2 动手做31
• 2.6.3 工作原理33
• 2.6.4 延伸学习34
• 2.6.5 参考34
• 2.7 TensorFlow实现随机训练和批量训练34
• 2.7.1 开始35
• 2.7.2 动手做35
• 2.7.3 工作原理36
• 2.7.4 延伸学习37
• 2.8 TensorFlow实现创建分类器37
• 2.8.1 开始37
• 2.8.2 动手做37
• 2.8.3 工作原理39
• 2.8.4 延伸学习40
• 2.8.5 参考40
• 2.9 TensorFlow实现模型评估40
• 2.9.1 开始40
• 2.9.2 动手做41
• 2.9.3 工作原理41
• 第3章 基于TensorFlow的线性回归45
• 3.1 线性回归介绍45
• 3.2 用TensorFlow求逆矩阵45
• 3.2.1 开始45
• 3.2.2 动手做46
• 3.2.3 工作原理47
• 3.3 用TensorFlow实现矩阵分解47
• 3.3.1 开始47
• 3.3.2 动手做47
• 3.3.3 工作原理48
• 3.4 用TensorFlow实现线性回归算法49
• 3.4.1 开始49
• 3.4.2 动手做49
• 3.4.3 工作原理52
• 3.5 理解线性回归中的损失函数52
• 3.5.1 开始52
• 3.5.2 动手做52
• 3.5.3 工作原理53
• 3.5.4 延伸学习54
• 3.6 用TensorFlow实现戴明回归算法55
• 3.6.1 开始55
• 3.6.2 动手做56
• 3.6.3 工作原理57
• 3.7 用TensorFlow实现lasso回归和岭回归算法58
• 3.7.1 开始58
• 3.7.2 动手做58
• 3.7.3 工作原理59
• 3.7.4 延伸学习59
• 3.8 用TensorFlow实现弹性网络回归算法60
• 3.8.1 开始60
• 3.8.2 动手做60
• 3.8.3 工作原理61
• 3.9 用TensorFlow实现逻辑回归算法62
• 3.9.1 开始62
• 3.9.2 动手做62
• 3.9.3 工作原理65
• 第4章 基于TensorFlow的支持向量机66
• 4.1 支持向量机简介66
• 4.2 线性支持向量机的使用67
• 4.2.1 开始67
• 4.2.2 动手做68
• 4.2.3 工作原理72
• 4.3 弱化为线性回归72
• 4.3.1 开始73
• 4.3.2 动手做73
• 4.3.3 工作原理76
• 4.4 TensorFlow上核函数的使用77
• 4.4.1 开始77
• 4.4.2 动手做77
• 4.4.3 工作原理81
• 4.4.4 延伸学习82
• 4.5 用TensorFlow实现非线性支持向量机82
• 4.5.1 开始82
• 4.5.2 动手做82
• 4.5.3 工作原理84
• 4.6 用TensorFlow实现多类支持向量机85
• 4.6.1 开始85
• 4.6.2 动手做86
• 4.6.3 工作原理89
• 第5章 最近邻域法90
• 5.1 最近邻域法介绍90
• 5.2 最近邻域法的使用91
• 5.2.1 开始91
• 5.2.2 动手做91
• 5.2.3 工作原理94
• 5.2.4 延伸学习94
• 5.3 如何度量文本距离95
• 5.3.1 开始95
• 5.3.2 动手做95
• 5.3.3 工作原理98
• 5.3.4 延伸学习98
• 5.4 用TensorFlow实现混合距离计算98
• 5.4.1 开始98
• 5.4.2 动手做98
• 5.4.3 工作原理101
• 5.4.4 延伸学习101
• 5.5 用TensorFlow实现地址匹配101
• 5.5.1 开始101
• 5.5.2 动手做102
• 5.5.3 工作原理104
• 5.6 用TensorFlow实现图像识别105
• 5.6.1 开始105
• 5.6.2 动手做105
• 5.6.3 工作原理108
• 5.6.4 延伸学习108
• 第6章 神经网络算法109
• 6.1 神经网络算法基础109
• 6.2 用TensorFlow实现门函数110
• 6.2.1 开始110
• 6.2.2 动手做111
• 6.2.3 工作原理113
• 6.3 使用门函数和激励函数113
• 6.3.1 开始114
• 6.3.2 动手做114
• 6.3.3 工作原理116
• 6.3.4 延伸学习117
• 6.4 用TensorFlow实现单层神经网络117
• 6.4.1 开始117
• 6.4.2 动手做117
• 6.4.3 工作原理119
• 6.4.4 延伸学习119
• 6.5 用TensorFlow实现神经网络常见层120
• 6.5.1 开始120
• 6.5.2 动手做121
• 6.5.3 工作原理126
• 6.6 用TensorFlow实现多层神经网络126
• 6.6.1 开始126
• 6.6.2 动手做126
• 6.6.3 工作原理131
• 6.7 线性预测模型的优化131
• 6.7.1 开始131
• 6.7.2 动手做131
• 6.7.3 工作原理135
• 6.8 用TensorFlow基于神经网络实现井字棋136
• 6.8.1 开始136
• 6.8.2 动手做137
• 6.8.3 工作原理142
• 第7章 自然语言处理143
• 7.1 文本处理介绍143
• 7.2 词袋的使用144
• 7.2.1 开始144
• 7.2.2 动手做144
• 7.2.3 工作原理149
• 7.2.4 延伸学习149
• 7.3 用TensorFlow实现TF-IDF算法149
• 7.3.1 开始150
• 7.3.2 动手做150
• 7.3.3 工作原理154
• 7.3.4 延伸学习154
• 7.4 用TensorFlow实现skip-gram模型155
• 7.4.1 开始155
• 7.4.2 动手做155
• 7.4.3 工作原理162
• 7.4.4 延伸学习162
• 7.5 用TensorFlow实现CBOW词嵌入模型162
• 7.5.1 开始162
• 7.5.2 动手做163
• 7.5.3 工作原理167
• 7.5.4 延伸学习167
• 7.6 使用TensorFlow的Word2Vec预测167
• 7.6.1 开始167
• 7.6.2 动手做168
• 7.6.3 工作原理172
• 7.6.4 延伸学习172
• 7.7 用TensorFlow实现基于Doc2Vec的情感分析172
• 7.7.1 开始172
• 7.7.2 动手做173
• 7.7.3 工作原理180
• 第8章 卷积神经网络181
• 8.1 卷积神经网络介绍181
• 8.2 用TensorFlow实现简单的CNN182
• 8.2.1 开始182
• 8.2.2 动手做182
• 8.2.3 工作原理187
• 8.2.4 延伸学习188
• 8.2.5 参考188
• 8.3 用TensorFlow实现进阶的CNN188
• 8.3.1 开始188
• 8.3.2 动手做189
• 8.3.3 工作原理196
• 8.3.4 参考196
• 8.4 再训练已有的CNN模型196
• 8.4.1 开始196
• 8.4.2 动手做196
• 8.4.3 工作原理199
• 8.4.4 参考199
• 8.5 用TensorFlow实现模仿大师绘画199
• 8.5.1 开始200
• 8.5.2 动手做200
• 8.5.3 工作原理205
• 8.5.4 参考205
• 8.6 用TensorFlow实现DeepDream205
• 8.6.1 开始205
• 8.6.2 动手做205
• 8.6.3 延伸学习210
• 8.6.4 参考210
• 第9章 递归神经网络211
• 9.1 递归神经网络介绍211
• 9.2 用TensorFlow实现RNN模型进行垃圾短信预测212
• 9.2.1 开始212
• 9.2.2 动手做213
• 9.2.3 工作原理217
• 9.2.4 延伸学习218
• 9.3 用TensorFlow实现LSTM模型218
• 9.3.1 开始218
• 9.3.2 动手做219
• 9.3.3 工作原理226
• 9.3.4 延伸学习226
• 9.4 Stacking多个LSTM Layer226
• 9.4.1 开始226
• 9.4.2 动手做227
• 9.4.3 工作原理228
• 9.5 用TensorFlow实现Seq2Seq翻译模型229
• 9.5.1 开始229
• 9.5.2 动手做229
• 9.5.3 工作原理234
• 9.5.4 延伸学习234
• 9.6 TensorFlow实现孪生RNN预测相似度235
• 9.6.1 开始235
• 9.6.2 动手做236
• 9.6.3 延伸学习242
• 第10章 TensorFlow产品化243
• 10.1 简介243
• 10.2 TensorFlow的单元测试243
• 10.2.1 开始243
• 10.2.2 工作原理247
• 10.3 TensorFlow的并发执行247
• 10.3.1 开始248
• 10.3.2 动手做248
• 10.3.3 工作原理250
• 10.3.4 延伸学习250
• 10.4 分布式TensorFlow实践250
• 10.4.1 开始250
• 10.4.2 动手做250
• 10.4.3 工作原理251
• 10.5 TensorFlow产品化开发提示252
• 10.5.1 开始252
• 10.5.2 动手做252
• 10.5.3 工作原理254
• 10.6 TensorFlow产品化的实例254
• 10.6.1 开始254
• 10.6.2 动手做254
• 10.6.3 工作原理256
• 第11章 TensorFlow的进阶应用257
• 11.1 简介257
• 11.2 TensorFlow可视化：Tensorboard257
• 11.2.1 开始257
• 11.2.2 动手做258
• 11.3 Tensorboard的进阶260
• 11.4 用TensorFlow实现遗传算法262
• 11.4.1 开始262
• 11.4.2 动手做263
• 11.4.3 工作原理265
• 11.4.4 延伸学习266
• 11.5 TensorFlow实现k-means算法266
• 11.5.1 开始266
• 11.5.2 动手做266
• 11.5.3 延伸学习270
• 11.6 用TensorFlow求解常微分方程问题270
• 11.6.1 开始270
• 11.6.2 动手做270
• 11.6.3 工作原理271
• 11.6.4 参考272