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