TensorFlow机器学习实战指南计算机与互联网书籍|6615828 pdf epub mobi txt 电子书下载 2025

简体网页||繁体网页

☆☆☆☆☆

美尼克麦克卢尔Nick McClu 著，曾益强译

图书标签:

TensorFlow
机器学习
深度学习
Python
计算机
互联网
实战
指南
数据科学
人工智能

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到静流书站

windowsfront.com

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

店铺：互动出版网图书专营店

出版社：机械工业出版社

ISBN：9787111579489

商品编码：17877904412

丛书名：智能系统与技术丛书

出版时间：2017-09-01

具体描述

书名：	TensorFlow机器学习实战指南\|6615828
图书定价：	69元
图书作者：	(美)尼克·麦克卢尔（Nick McClure）
出版社：	机械工业出版社
出版日期：	2017/9/1 0:00:00
ISBN号：	9787111579489
开本：	16开
页数：	0
版次：	1-1

作者简介

Nick McClure，资深数据科学家，目前就职于美国西雅图PayScale公司，曾经在Zillow公司和Caesar抯 Entertainment公司工作，获得蒙大拿大学和圣本尼迪克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）。
感谢父母，他们总是鼓励我追求知识。也感谢朋友和同事能够给出很好的建议。本书的完成得益于开源社区的不懈努力，以及TensorFlow相关项目的良好文档说明。
这里，要特别感谢Google公司TensorFlow开发人员。他们给出了优秀的官方文档、教程和示例。
审校者简介
Chetan Khatri，具有5年工作经验的数据科学研究者。他现在是印度Accion Labs公司技术部门的负责人，曾就职于印度手游巨头Nazara Games公司，领导负责游戏与电信业务。
他在 KSKV Kachchh大学计算机科学和数据分析专业取得硕士学位，致力于数据科学、机器学习、AI和IoT等方面的学术和会议演讲交流。他在学术研究和工业实践两方面都有特长，所以在排除两者间的隔阂方面有不错的成就。他是Kachchh大学多门课程的合作者，比如数据分析、IoT、机器学习、AI和分布式数据库。他也是Python社区（PyKuth）的建立者之一。
目前，他正致力于智能IoT设备与机器学习、增强学习和分布式计算方面的结合。
感谢Kachchh大学计算机科学学院Devji Chhanga教授引导我走上数据分析研究的道路。
感谢Shweta Gorania教授介绍遗传算法和神经网络算法。
最后，感谢家人的支持。

内容简介

TensorFlow是一个开源机器学习库。本书从TensorFlow的基础开始介绍，涉及变量、矩阵和各种数据源。之后，针对使用TensorFlow线性回归技术的实践经验进行详细讲解。后续章节将在前文的基础上讲述神经网络、CNN、RNN和NLP等重要概念。

译者序
作者简介
审校者简介
前言
第1章 TensorFlow基础 1
1.1 TensorFlow介绍 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 声明张量 3
1.3.1 开始 4
1.3.2 动手做 4
1.3.3 工作原理 5
1.3.4 延伸学习 5
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 6
1.4.4 延伸学习 7
1.5 操作（计算）矩阵 7
1.5.1 开始 7
1.5.2 动手做 8
1.5.3 工作原理 9
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 11
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 13
1.7.4 延伸学习 13
1.8 读取数据源 14
1.8.1 开始 15
1.8.2 动手做 15
1.8.3 参考 18
1.9 学习资料 19
第2章 TensorFlow进阶 20
2.1 本章概要 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Layer 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Layer 23
2.4.1 开始 23
2.4.2 动手做 24
2.4.3 工作原理 25
2.5 TensorFlow实现损失函数 26
2.5.1 开始 26
2.5.2 动手做 26
2.5.3 工作原理 28
2.5.4 延伸学习 29
2.6 TensorFlow实现反向传播 30
2.6.1 开始 30
2.6.2 动手做 31
2.6.3 工作原理 33
2.6.4 延伸学习 34
2.6.5 参考 34
2.7 TensorFlow实现随机训练和批量训练 34
2.7.1 开始 35
2.7.2 动手做 35
2.7.3 工作原理 36
2.7.4 延伸学习 37
2.8 TensorFlow实现创建分类器 37
2.8.1 开始 37
2.8.2 动手做 37
2.8.3 工作原理 39
2.8.4 延伸学习 40
2.8.5 参考 40
2.9 TensorFlow实现模型评估 40
2.9.1 开始 40
2.9.2 动手做 41
2.9.3 工作原理 41
第3章基于TensorFlow的线性回归 45
3.1 线性回归介绍 45
3.2 用TensorFlow求逆矩阵 45
3.2.1 开始 45
3.2.2 动手做 46
3.2.3 工作原理 47
3.3 用TensorFlow实现矩阵分解 47
3.3.1 开始 47
3.3.2 动手做 47
3.3.3 工作原理 48
3.4 用TensorFlow实现线性回归算法 49
3.4.1 开始 49
3.4.2 动手做 49
3.4.3 工作原理 52
3.5 理解线性回归中的损失函数 52
3.5.1 开始 52
3.5.2 动手做 52
3.5.3 工作原理 53
3.5.4 延伸学习 54
3.6 用TensorFlow实现戴明回归算法 55
3.6.1 开始 55
3.6.2 动手做 56
3.6.3 工作原理 57
3.7 用TensorFlow实现lasso回归和岭回归算法 58
3.7.1 开始 58
3.7.2 动手做 58
3.7.3 工作原理 59
3.7.4 延伸学习 59
3.8 用TensorFlow实现弹性网络回归算法 60
3.8.1 开始 60
3.8.2 动手做 60
3.8.3 工作原理 61
3.9 用TensorFlow实现逻辑回归算法 62
3.9.1 开始 62
3.9.2 动手做 62
3.9.3 工作原理 65
第4章基于TensorFlow的支持向量机 66
4.1 支持向量机简介 66
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 68
4.2.3 工作原理 72
4.3 弱化为线性回归 72
4.3.1 开始 73
4.3.2 动手做 73
4.3.3 工作原理 76
4.4 TensorFlow上核函数的使用 77
4.4.1 开始 77
4.4.2 动手做 77
4.4.3 工作原理 81
4.4.4 延伸学习 82
4.5 用TensorFlow实现非线性支持向量机 82
4.5.1 开始 82
4.5.2 动手做 82
4.5.3 工作原理 84
4.6 用TensorFlow实现多类支持向量机 85
4.6.1 开始 85
4.6.2 动手做 86
4.6.3 工作原理 89
第5章最近邻域法 90
5.1 最近邻域法介绍 90
5.2 最近邻域法的使用 91
5.2.1 开始 91
5.2.2 动手做 91
5.2.3 工作原理 94
5.2.4 延伸学习 94
5.3 如何度量文本距离 95
5.3.1 开始 95
5.3.2 动手做 95
5.3.3 工作原理 98
5.3.4 延伸学习 98
5.4 用TensorFlow实现混合距离计算 98
5.4.1 开始 98
5.4.2 动手做 98
5.4.3 工作原理 101
5.4.4 延伸学习 101
5.5 用TensorFlow实现地址匹配 101
5.5.1 开始 101
5.5.2 动手做 102
5.5.3 工作原理 104
5.6 用TensorFlow实现图像识别 105
5.6.1 开始 105
5.6.2 动手做 105
5.6.3 工作原理 108
5.6.4 延伸学习 108
第6章神经网络算法 109
6.1 神经网络算法基础 109
6.2 用TensorFlow实现门函数 110
6.2.1 开始 110
6.2.2 动手做 111
6.2.3 工作原理 113
6.3 使用门函数和激励函数 113
6.3.1 开始 114
6.3.2 动手做 114
6.3.3 工作原理 116
6.3.4 延伸学习 117
6.4 用TensorFlow实现单层神经网络 117
6.4.1 开始 117
6.4.2 动手做 117
6.4.3 工作原理 119
6.4.4 延伸学习 119
6.5 用TensorFlow实现神经网络常见层 120
6.5.1 开始 120
6.5.2 动手做 121
6.5.3 工作原理 126
6.6 用TensorFlow实现多层神经网络 126
6.6.1 开始 126
6.6.2 动手做 126
6.6.3 工作原理 131
6.7 线性预测模型的优化 131
6.7.1 开始 131
6.7.2 动手做 131
6.7.3 工作原理 135
6.8 用TensorFlow基于神经网络实现井字棋 136
6.8.1 开始 136
6.8.2 动手做 137
6.8.3 工作原理 142
第7章自然语言处理 143
7.1 文本处理介绍 143
7.2 词袋的使用 144
7.2.1 开始 144
7.2.2 动手做 144
7.2.3 工作原理 149
7.2.4 延伸学习 149
7.3 用TensorFlow实现TF-IDF算法 149
7.3.1 开始 150
7.3.2 动手做 150
7.3.3 工作原理 154
7.3.4 延伸学习 154
7.4 用TensorFlow实现skip-gram模型 155
7.4.1 开始 155
7.4.2 动手做 155
7.4.3 工作原理 162
7.4.4 延伸学习 162
7.5 用TensorFlow实现CBOW词嵌入模型 162
7.5.1 开始 162
7.5.2 动手做 163
7.5.3 工作原理 167
7.5.4 延伸学习 167
7.6 使用TensorFlow的Word2Vec预测 167
7.6.1 开始 167
7.6.2 动手做 168
7.6.3 工作原理 172
7.6.4 延伸学习 172
7.7 用TensorFlow实现基于Doc2Vec的情感分析 172
7.7.1 开始 172
7.7.2 动手做 173
7.7.3 工作原理 180
第8章卷积神经网络 181
8.1 卷积神经网络介绍 181
8.2 用TensorFlow实现简单的CNN 182
8.2.1 开始 182
8.2.2 动手做 182
8.2.3 工作原理 187
8.2.4 延伸学习 188
8.2.5 参考 188
8.3 用TensorFlow实现进阶的CNN 188
8.3.1 开始 188
8.3.2 动手做 189
8.3.3 工作原理 196
8.3.4 参考 196
8.4 再训练已有的CNN模型 196
8.4.1 开始 196
8.4.2 动手做 196
8.4.3 工作原理 199
8.4.4 参考 199
8.5 用TensorFlow实现模仿大师绘画 199
8.5.1 开始 200
8.5.2 动手做 200
8.5.3 工作原理 205
8.5.4 参考 205
8.6 用TensorFlow实现DeepDream 205
8.6.1 开始 205
8.6.2 动手做 205
8.6.3 延伸学习 210
8.6.4 参考 210
第9章递归神经网络 211
9.1 递归神经网络介绍 211
9.2 用TensorFlow实现RNN模型进行垃圾短信预测 212
9.2.1 开始 212
9.2.2 动手做 213
9.2.3 工作原理 217
9.2.4 延伸学习 218
9.3 用TensorFlow实现LSTM模型 218
9.3.1 开始 218
9.3.2 动手做 219
9.3.3 工作原理 226
9.3.4 延伸学习 226
9.4 Stacking多个LSTM Layer 226
9.4.1 开始 226
9.4.2 动手做 227
9.4.3 工作原理 228
9.5 用TensorFlow实现Seq2Seq翻译模型 229
9.5.1 开始 229
9.5.2 动手做 229
9.5.3 工作原理 234
9.5.4 延伸学习 234
9.6 TensorFlow实现孪生RNN预测相似度 235
9.6.1 开始 235
9.6.2 动手做 236
9.6.3 延伸学习 242
第10章 TensorFlow产品化 243
10.1 简介 243
10.2 TensorFlow的单元测试 243
10.2.1 开始 243
10.2.2 工作原理 247
10.3 TensorFlow的并发执行 247
10.3.1 开始 248
10.3.2 动手做 248
10.3.3 工作原理 250
10.3.4 延伸学习 250
10.4 分布式TensorFlow实践 250
10.4.1 开始 250
10.4.2 动手做 250
10.4.3 工作原理 251
10.5 TensorFlow产品化开发提示 252
10.5.1 开始 252
10.5.2 动手做 252
10.5.3 工作原理 254
10.6 TensorFlow产品化的实例 254
10.6.1 开始 254
10.6.2 动手做 254
10.6.3 工作原理 256
第11章 TensorFlow的进阶应用 257
11.1 简介 257
11.2 TensorFlow可视化：Tensorboard 257
11.2.1 开始 257
11.2.2 动手做 258
11.3 Tensorboard的进阶 260
11.4 用TensorFlow实现遗传算法 262
11.4.1 开始 262
11.4.2 动手做 263
11.4.3 工作原理 265
11.4.4 延伸学习 266
11.5 TensorFlow实现k-means算法 266
11.5.1 开始 266
11.5.2 动手做 266
11.5.3 延伸学习 270
11.6 用TensorFlow求解常微分方程问题 270
11.6.1 开始 270
11.6.2 动手做 270
11.6.3 工作原理 271
11.6.4 参考 272