TensorFlow 机器学习秘籍中文第二版
Introduction
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
Powered by
GitBook
将 TensorFlow 投入生产
将 TensorFlow 投入生产
在本章中,我们将介绍以下主题:
实现单元测试
使用多个执行程序
并行化 TensorFlow
将 TensorFlow 投入生产
生成 TensorFlow 的一个例子
使用 TensorFlow 服务
results matching "
"
No results matching "
"