TensorFlow-机器学习秘籍中文第二版初稿

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