TensorFlow 机器学习秘籍中文第二版（初稿） 2019-09-22 本文已影响0人 布客飞龙 TensorFlow 入门 介绍 TensorFlow 如何工作 声明变量和张量 使用占位符和变量 使用矩阵 声明操作符 实现激活函数 使用数据源 其他资源 TensorFlow 的方式 介绍 计算图中的操作 对嵌套操作分层 使用多个层 实现损失函数 实现反向传播 使用批量和随机训练 把所有东西结合在一起 评估模型 线性回归 介绍 使用矩阵逆方法 实现分解方法 学习 TensorFlow 线性回归方法 理解线性回归中的损失函数 实现 deming 回归 实现套索和岭回归 实现弹性网络回归 实现逻辑回归 支持向量机 介绍 使用线性 SVM 简化为线性回归 在 TensorFlow 中使用内核 实现非线性 SVM 实现多类 SVM 最近邻方法 介绍 使用最近邻 使用基于文本的距离 使用混合距离函数的计算 使用地址匹配的示例 使用最近邻进行图像识别 神经网络 介绍 实现操作门 使用门和激活函数 实现单层神经网络 实现不同的层 使用多层神经网络 改进线性模型的预测 学习玩井字棋 自然语言处理 介绍 使用词袋嵌入 实现 TF-IDF 使用 Skip-Gram 嵌入 使用 CBOW 嵌入 使用 word2vec 进行预测 使用 doc2vec 进行情绪分析 卷积神经网络 介绍 实现简单的 CNN 实现先进的 CNN 重新训练现有的 CNN 模型 应用 StyleNet 和 NeuralStyle 项目 实现 DeepDream 循环神经网络 介绍 为垃圾邮件预测实现 RNN 实现 LSTM 模型 堆叠多个 LSTM 层 创建序列到序列模型 训练 Siamese RNN 相似性度量 将 TensorFlow 投入生产 介绍 实现单元测试 使用多个执行程序 并行化 TensorFlow 将 TensorFlow 投入生产 生产环境 TensorFlow 的一个例子 使用 TensorFlow 服务 更多 TensorFlow 介绍 可视化 TensorBoard 中的图 使用遗传算法 使用 k 均值聚类 求解常微分方程组 使用随机森林 使用 TensorFlow 和 Keras
