TensorFlow机器学习实战指南
2019-07-23 11:08:46 0 举报AI智能生成
TensorFlow机器学习实战指南
作者其他创作
大纲/内容
第7章 自然语言处理
7.1 文本处理介绍
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 卷积神经网络介绍
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实现模仿大师绘画
8.6 用TensorFlow实现DeepDream
第9章 递归神经网络
9.1 递归神经网络介绍
9.2 用TensorFlow实现RNN模型进行垃圾短信预测
9.3 用TensorFlow实现LSTM模型
9.4 Stacking多个LSTM Layer
9.5 用TensorFlow实现Seq2Seq翻译模型
9.6 TensorFlow实现孪生RNN预测相似度
第10章 TensorFlow产品化
10.1 简介
10.2 TensorFlow的单元测试
10.3 TensorFlow的并发执行
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
第11章 TensorFlow的进阶应用
11.1 简介
11.2 TensorFlow可视化：Tensorboard
11.3 Tensorboard的进阶
11.4 用TensorFlow实现遗传算法
11.5 TensorFlow实现k-means算法
11.6 用TensorFlow求解常微分方程问题
第1章 TensorFlow基础
1.1 TensorFlow介绍
1.2 TensorFlow如何工作
1.3 声明张量
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 学习资料
第2章 TensorFlow进阶
2.1 本章概要
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实现随机训练和批量训练
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 线性回归介绍
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 支持向量机简介
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 最近邻域法介绍
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 神经网络算法基础
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
0 条评论
下一页
