编辑推荐

null

内容简介

本书由数据科学家撰写，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，带领读者由浅入深系统掌握TensorFlow机器学习算法及其实现。 本书第1章和第2章介绍了关于TensorFlow使用的基础知识，后续章节则针对一些典型算法和典型应用场景进行了实现，并配有较详细的程序说明，可读性非常强。读者如果能对其中代码进行复现，则必定会对TensorFlow的使用了如指掌。

作者介绍

尼克·麦克卢尔（Nick McClure），数据科学家，目前就职于美国西雅图PayScale公司，曾经在Zillow 公司和Caesar''s Entertainment公司工作，获得蒙大拿大学和圣本尼迪克学院与圣约翰大学的应用数学专业学位。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/）或者发推特（@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data-xss 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data-xss 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

媒体评论

null