新书推荐 |《TensorFlow机器学习实战指南(原书第2版)》
新书推荐
《TensorFlow机器学习实战指南(原书第2版)》
点击上图了解及购买
资深数据科学家撰写,从实战角度系统讲解TensorFlow基本概念及各种应用实践。
真实的应用场景和数据,丰富的代码实例,详尽的操作步骤,为你深度实践TensorFlow提供翔实指导。
编辑推荐
1. 资深数据科学家撰写,从实战角度系统讲解TensorFlow基本概念及各种应用实践
2. 真实的应用场景和数据,丰富的代码实例,详尽的操作步骤,为你深度实践TensorFlow提供翔实指导
内容简介
本书由资深数据科学家撰写,从实战角度系统讲解TensorFlow基本概念及各种应用实践。真实的应用场景和数据,丰富的代码实例,详尽的操作步骤,带你由浅入深系统掌握TensorFlow机器学习算法及其实现。
全书共11章,第1章介绍TensorFlow的基本概念;第2章介绍如何在计算图中连接算法组件,创建一个简单的分类器;第3章重点介绍如何使用TensorFlow实现各种线性回归算法,包括戴明回归、lasso回归、岭回归、弹性网络回归和逻辑回归等;第4章介绍支持向量机(SVM)算法;第5章介绍如何使用数值度量、文本度量和归一化距离函数实现最近邻域算法;第6章讲述如何使用TensorFlow实现神经网络算法;第7章阐述TensorFlow实现的各种文本处理算法。第8章扩展神经网络算法;第9章解释在TensorFlow中如何实现循环神经网络(RNN)算法;第10章介绍TensorFlow产品级用例和开发提示,同时介绍如何实现分布式TensorFlow;第11章展示TensorFlow如何实现k-means算法、遗传算法和求解常微分方程(ODE)等。
作者简介
尼克•麦克卢尔(Nick McClure)
资深数据科学家,目前就职于美国西雅图PayScale公司,之前曾在Zillow公司在Caesar's Entertainment公司工作。他在蒙大拿大学和圣本尼迪克与圣约翰大学的应用数学专业获得学位。他热衷于数据分析、机器学习和人工智能。Nick有时会把想法写成博客(http://fromdata.org/)或者推特(@nfmcclure)。
目录
译者序
审校者简介
前言
第1章 TensorFlow基础 1
1.1 简介 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 声明变量和张量 4
1.3.1 开始 4
1.3.2 动手做 4
1.3.3 工作原理 6
1.3.4 延伸学习 6
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 7
1.4.4 延伸学习 7
1.5 操作(计算)矩阵 8
1.5.1 开始 8
1.5.2 动手做 8
1.5.3 工作原理 10
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 12
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 14
1.7.4 延伸学习 14
1.8 读取数据源 14
1.8.1 开始 15
1.8.2 动手做 15
1.8.3 工作原理 18
1.8.4 参考 18
1.9 其他资源 19
1.9.1 开始 19
1.9.2 动手做 19
第2章 TensorFlow进阶 20
2.1 简介 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
2.4 TensorFlow的多层Layer 23
2.4.1 开始 23
2.4.2 动手做 23
2.4.3 工作原理 24
2.5 TensorFlow实现损失函数 24
2.5.1 开始 25
2.5.2 动手做 26
2.5.3 工作原理 28
2.5.4 延伸学习 28
2.6 TensorFlow实现反向传播 29
2.6.1 开始 29
2.6.2 动手做 30
2.6.3 工作原理 33
2.6.4 延伸学习 33
2.6.5 参考 33
2.7 TensorFlow实现批量训练和随机训练 34
2.7.1 开始 34
2.7.2 动手做 34
2.7.3 工作原理 35
2.7.4 延伸学习 36
2.8 TensorFlow实现创建分类器 36
2.8.1 开始 36
2.8.2 动手做 37
2.8.3 工作原理 38
2.8.4 延伸学习 39
2.8.5 参考 39
2.9 TensorFlow实现模型评估 39
2.9.1 开始 39
2.9.2 动手做 40
2.9.3 工作原理 43
第3章 基于TensorFlow的线性回归 44
3.1 简介 44
3.2 用TensorFlow求逆矩阵 44
3.2.1 开始 45
3.2.2 动手做 45
3.2.3 工作原理 46
3.3 用TensorFlow实现矩阵分解 46
3.3.1 开始 46
3.3.2 动手做 46
3.3.3 工作原理 47
3.4 用TensorFlow实现线性回归算法 47
3.4.1 开始 48
3.4.2 动手做 48
3.4.3 工作原理 50
3.5 理解线性回归中的损失函数 51
3.5.1 开始 51
3.5.2 动手做 51
3.5.3 工作原理 52
3.5.4 延伸学习 53
3.6 用TensorFlow实现戴明回归算法 53
3.6.1 开始 54
3.6.2 动手做 54
3.6.3 工作原理 55
3.7 用TensorFlow实现lasso回归和岭回归算法 56
3.7.1 开始 56
3.7.2 动手做 56
3.7.3 工作原理 58
3.7.4 延伸学习 58
3.8 用TensorFlow实现弹性网络回归算法 58
3.8.1 开始 58
3.8.2 动手做 58
3.8.3 工作原理 60
3.9 用TensorFlow实现逻辑回归算法 60
3.9.1 开始 60
3.9.2 动手做 61
3.9.3 工作原理 63
第4章 基于TensorFlow的支持向量机 65
4.1 简介 65
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 67
4.2.3 工作原理 70
4.3 弱化为线性回归 71
4.3.1 开始 71
4.3.2 动手做 72
4.3.3 工作原理 74
4.4 TensorFlow上核函数的使用 75
4.4.1 开始 75
4.4.2 动手做 76
4.4.3 工作原理 80
4.4.4 延伸学习 80
4.5 用TensorFlow实现非线性支持向量机 80
4.5.1 开始 80
4.5.2 动手做 80
4.5.3 工作原理 83
4.6 用TensorFlow实现多类支持向量机 83
4.6.1 开始 83
4.6.2 动手做 84
4.6.3 工作原理 87
第5章 最近邻域法 88
5.1 简介 88
5.2 最近邻域法的使用 89
5.2.1 开始 89
5.2.2 动手做 89
5.2.3 工作原理 92
5.2.4 延伸学习 92
5.3 如何度量文本距离 92
5.3.1 开始 93
5.3.2 动手做 93
5.3.3 工作原理 95
5.3.4 延伸学习 95
5.4 用TensorFlow实现混合距离计算 95
5.4.1 开始 96
5.4.2 动手做 96
5.4.3 工作原理 98
5.4.4 延伸学习 98
5.5 用TensorFlow实现地址匹配 99
5.5.1 开始 99
5.5.2 动手做 99
5.5.3 工作原理 101
5.6 用TensorFlow实现图像识别 102
5.6.1 开始 102
5.6.2 动手做 102
5.6.3 工作原理 104
5.6.4 延伸学习 105
第6章 神经网络算法 106
6.1 简介 106
6.2 用TensorFlow实现门函数 107
6.2.1 开始 107
6.2.2 动手做 108
6.2.3 工作原理 110
6.3 使用门函数和激励函数 110
6.3.1 开始 111
6.3.2 动手做 111
6.3.3 工作原理 113
6.3.4 延伸学习 113
6.4 用TensorFlow实现单层神经网络 114
6.4.1 开始 114
6.4.2 动手做 114
6.4.3 工作原理 116
6.4.4 延伸学习 117
6.5 用TensorFlow实现神经网络常见层 117
6.5.1 开始 117
6.5.2 动手做 117
6.5.3 工作原理 122
6.6 用TensorFlow实现多层神经网络 123
6.6.1 开始 123
6.6.2 动手做 123
6.6.3 工作原理 127
6.7 线性预测模型的优化 128
6.7.1 开始 128
6.7.2 动手做 128
6.7.3 工作原理 131
6.8 用TensorFlow基于神经网络实现井字棋 132
6.8.1 开始 133
6.8.2 动手做 134
6.8.3 工作原理 139
第7章 自然语言处理 140
7.1 简介 140
7.2 词袋的使用 141
7.2.1 开始 141
7.2.2 动手做 142
7.2.3 工作原理 146
7.2.4 延伸学习 146
7.3 用TensorFlow实现TF-IDF算法 146
7.3.1 开始 146
7.3.2 动手做 147
7.3.3 工作原理 150
7.3.4 延伸学习 151
7.4 用TensorFlow实现skip-gram模型 151
7.4.1 开始 151
7.4.2 动手做 152
7.4.3 工作原理 158
7.4.4 延伸学习 158
7.5 用TensorFlow实现CBOW词嵌入模型 158
7.5.1 开始 158
7.5.2 动手做 159
7.5.3 工作原理 163
7.5.4 延伸学习 163
7.6 使用TensorFlow的Word2Vec预测 163
7.6.1 开始 163
7.6.2 动手做 163
7.6.3 工作原理 168
7.6.4 延伸学习 168
7.7 用TensorFlow实现基于Doc2Vec的情感分析 168
7.7.1 开始 168
7.7.2 动手做 169
7.7.3 工作原理 175
第8章 卷积神经网络 176
8.1 简介 176
8.2 用TensorFlow实现简单的CNN 177
8.2.1 开始 177
8.2.2 动手做 177
8.2.3 工作原理 182
8.2.4 延伸学习 182
8.2.5 参考 183
8.3 用TensorFlow实现进阶的CNN 183
8.3.1 开始 183
8.3.2 动手做 183
8.3.3 工作原理 189
8.3.4 参考 190
8.4 再训练已有的CNN模型 190
8.4.1 开始 190
8.4.2 动手做 191
8.4.3 工作原理 193
8.4.4 参考 193
8.5 用TensorFlow实现图像风格迁移 193
8.5.1 开始 194
8.5.2 动手做 194
8.5.3 工作原理 199
8.5.4 参考 199
8.6 用TensorFlow实现DeepDream 199
8.6.1 开始 199
8.6.2 动手做 199
8.6.3 延伸学习 204
8.6.4 参考 204
第9章 循环神经网络 205
9.1 简介 205
9.2 用TensorFlow实现RNN模型进行垃圾邮件预测 206
9.2.1 开始 206
9.2.2 动手做 206
9.2.3 工作原理 211
9.2.4 延伸学习 211
9.3 用TensorFlow实现LSTM模型 211
9.3.1 开始 211
9.3.2 动手做 212
9.3.3 工作原理 218
9.3.4 延伸学习 218
9.4 TensorFlow堆叠多层LSTM 219
9.4.1 开始 219
9.4.2 动手做 219
9.4.3 工作原理 221
9.5 用TensorFlow实现Seq2Seq翻译模型 221
9.5.1 开始 221
9.5.2 动手做 222
9.5.3 工作原理 232
9.5.4 延伸学习 232
9.6 TensorFlow训练孪生RNN度量相似度 232
9.6.1 开始 232
9.6.2 动手做 233
9.6.3 延伸学习 238
第10章 TensorFlow产品化 239
10.1 简介 239
10.2 TensorFlow的单元测试 239
10.2.1 开始 239
10.2.2 工作原理 244
10.3 TensorFlow的多设备使用 244
10.3.1 开始 244
10.3.2 动手做 245
10.3.3 工作原理 246
10.3.4 延伸学习 246
10.4 分布式TensorFlow实践 246
10.4.1 开始 247
10.4.2 动手做 247
10.4.3 工作原理 248
10.5 TensorFlow产品化开发提示 248
10.5.1 开始 248
10.5.2 动手做 248
10.5.3 工作原理 250
10.6 TensorFlow产品化的实例 250
10.6.1 开始 250
10.6.2 动手做 250
10.6.3 工作原理 253
10.7 TensorFlow服务部署 253
10.7.1 开始 253
10.7.2 动手做 253
10.7.3 工作原理 256
10.7.4 延伸学习 257
第11章 TensorFlow的进阶应用 258
11.1 简介 258
11.2 TensorFlow可视化:Tensorboard 258
11.2.1 开始 258
11.2.2 动手做 259
11.2.3 延伸学习 261
11.3 用TensorFlow实现遗传算法 263
11.3.1 开始 263
11.3.2 动手做 264
11.3.3 工作原理 266
11.3.4 延伸学习 266
11.4 用TensorFlow实现k-means聚类算法 267
11.4.1 开始 267
11.4.2 动手做 267
11.4.3 延伸学习 270
11.5 用TensorFlow求解常微分方程组 270
11.5.1 开始 271
11.5.2 动手做 271
11.5.3 工作原理 272
11.5.4 参考 272
11.6 用TensorFlow实现随机森林算法 273
11.6.1 开始 273
11.6.2 动手做 273
11.6.3 工作原理 276
11.6.4 参考 276
11.7 将Keras作为TensorFlow API使用 277
11.7.1 开始 277
11.7.2 动手做 277
11.7.3 工作原理 280
11.7.4 参考 281
你与世界
只差一个
公众号