从TensorFlow开始 (Getting Started)

TensorFlow如何工作

变量和张量的声明

使用占位符和变量

矩阵

操作符的声明

载入激活函数

数据资源

资源库

本章学习模块

TensorFlow方式 (TensorFlow Way)

计算图

分层嵌套操作

多层操作

载入损失函数

载入反向传播

随机和批量训练

结合训练

模型评估

本章学习模块

线性回归 (Linear Regression)

矩阵转置

矩阵分解法

TensorFLow的线性回归

线性回归的损失函数

Deming回归(全回归)

套索(Lasso)回归和岭(Ridge)回归

弹性网(Elastic Net)回归

逻辑(Logistic)回归

本章学习模块

支持向量机(Support Vector Machines)

引言

线性支持向量机

回归线性回归

TensorFlow中的核

非线性支持向量机

多类支持向量机

本章学习模块

最近邻法 (Nearest Neighbor Methods)

引言

最近邻法的使用

文本距离函数

计算混合距离函数

地址匹配

图像处理的近邻法

本章学习模块

神经元网络 (Neural Networks)

引言

载入操作门

门运算和激活函数

载入一层神经网络

载入多层神经网络

使用多层神经网络

线性模型预测改善

神经网络学习井字棋

本章学习模块

自然语言处理(NLP)

引言

词袋 (Bag of Words)

词频-逆文本频率 (TF-IDF)

运用Skip-Gram

CBOW (Continuous Bag fo Words)

Word2Vec应用实例

Doc2Vec情感分析 (Sentiment Analysis)

神经网络学习井字棋

本章学习模块

卷积神经网络(CNN)

引言

简单卷积神经网络 (Simple CNNs)

高级卷积神经网络 (Advanced CNNs)

重新训练一个存在架构

使用Stylenet/Neural-Style

运用Deep Dream

递归神经网络(RNN)

引言

卷积神经网络模型用于垃圾信息检测

LSTM模型用于文本生成

堆叠多层LSTM

创建段对段模型翻译 (Seq2Seq)

训练Siamese相似度测量

TensorFlow的应用技巧

单元测试

使用多个执行器 (设备)

TensorFlow平行化

TensorFlow开发贴士

TensorFlow开发实例

TensorFlow的更多功能

计算图可视化(用Tensorboard)

遗传算法

K-means聚类分析

解决体系常微分方程

随机森林

TensorFlow中的Keras

TF Cookbook

书籍介绍

第一章

第二章

第三章

第四章

第五章

第六章

第七章

第八章

第九章

第十章

第十一章

索引