TensorFlow机器学习实战指南（原书第2版）

作品简介

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。

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）。

作品目录

• 译者序
• 审校者简介
• 前言
• 第1章　TensorFlow基础
• 1.1　简介
• 1.2　TensorFlow如何工作
• 1.3　声明变量和张量
• 1.4　使用占位符和变量
• 1.5　操作（计算）矩阵
• 1.6　声明操作
• 1.7　实现激励函数
• 1.8　读取数据源
• 1.9　其他资源
• 第2章　TensorFlow进阶
• 2.1　简介
• 2.2　计算图中的操作
• 2.3　TensorFlow的嵌入Layer
• 2.4　TensorFlow的多层Layer
• 2.5　TensorFlow实现损失函数
• 2.6　TensorFlow实现反向传播
• 2.7　TensorFlow实现批量训练和随机训练
• 2.8　TensorFlow实现创建分类器
• 2.9　TensorFlow实现模型评估
• 第3章　基于TensorFlow的线性回归
• 3.1　简介
• 3.2　用TensorFlow求逆矩阵
• 3.3　用TensorFlow实现矩阵分解
• 3.4　用TensorFlow实现线性回归算法
• 3.5　理解线性回归中的损失函数
• 3.6　用TensorFlow实现戴明回归算法
• 3.7　用TensorFlow实现lasso回归和岭回归算法
• 3.8　用TensorFlow实现弹性网络回归算法
• 3.9　用TensorFlow实现逻辑回归算法
• 第4章　基于TensorFlow的支持向量机
• 4.1　简介
• 4.2　线性支持向量机的使用
• 4.3　弱化为线性回归
• 4.4　TensorFlow上核函数的使用
• 4.5　用TensorFlow实现非线性支持向量机
• 4.6　用TensorFlow实现多类支持向量机
• 第5章　最近邻域法
• 5.1　简介
• 5.2　最近邻域法的使用
• 5.3　如何度量文本距离
• 5.4　用TensorFlow实现混合距离计算
• 5.5　用TensorFlow实现地址匹配
• 5.6　用TensorFlow实现图像识别
• 第6章　神经网络算法
• 6.1　简介
• 6.2　用TensorFlow实现门函数
• 6.3　使用门函数和激励函数
• 6.4　用TensorFlow实现单层神经网络
• 6.5　用TensorFlow实现神经网络常见层
• 6.6　用TensorFlow实现多层神经网络
• 6.7　线性预测模型的优化
• 6.8　用TensorFlow基于神经网络实现井字棋
• 第7章　自然语言处理
• 7.1　简介
• 7.2　词袋的使用
• 7.3　用TensorFlow实现TF-IDF算法
• 7.4　用TensorFlow实现skip-gram模型
• 7.5　用TensorFlow实现CBOW词嵌入模型
• 7.6　使用TensorFlow的Word2Vec预测
• 7.7　用TensorFlow实现基于Doc2Vec的情感分析
• 第8章　卷积神经网络
• 8.1　简介
• 8.2　用TensorFlow实现简单的CNN
• 8.3　用TensorFlow实现进阶的CNN
• 8.4　再训练已有的CNN模型
• 8.5　用TensorFlow实现图像风格迁移
• 8.6　用TensorFlow实现DeepDream
• 第9章　循环神经网络
• 9.1　简介
• 9.2　用TensorFlow实现RNN模型进行垃圾邮件预测
• 9.3　用TensorFlow实现LSTM模型
• 9.4　TensorFlow堆叠多层LSTM
• 9.5　用TensorFlow实现Seq2Seq翻译模型
• 9.6　TensorFlow训练孪生RNN度量相似度
• 第10章　TensorFlow产品化
• 10.1　简介
• 10.2　TensorFlow的单元测试
• 10.3　TensorFlow的多设备使用
• 10.4　分布式TensorFlow实践
• 10.5　TensorFlow产品化开发提示
• 10.6　TensorFlow产品化的实例
• 10.7　TensorFlow服务部署
• 第11章　TensorFlow的进阶应用
• 11.1　简介
• 11.2　TensorFlow可视化：Tensorboard
• 11.3　用TensorFlow实现遗传算法
• 11.4　用TensorFlow实现k-means聚类算法
• 11.5　用TensorFlow求解常微分方程组
• 11.6　用TensorFlow实现随机森林算法
• 11.7　将Keras作为TensorFlow API使用