TensorFlow机器学习实战指南 PDF 原书中文版

TensorFlow是一个开源机器学习库。本书从TensorFlow的基础开始介绍，涉及变量、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。

目录

• CONTENTS
• 目　　录
• 译者序
• 作者简介
• 审校者简介
• 前言
• 第1章TensorFlow基础 1
• 1.1TensorFlow介绍 1
• 1.2TensorFlow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
• 2.3TensorFlow的嵌入Layer 21
• 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
• 2.4TensorFlow的多层Layer 23
• 2.4.1开始 23
• 2.4.2动手做 24
• 2.4.3工作原理 25
• 2.5TensorFlow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
• 2.6TensorFlow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
• 2.7TensorFlow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
• 2.8TensorFlow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
• 2.9TensorFlow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
• 4.4TensorFlow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