[书籍介绍] [2018年新书] TensorFlow机器学习手册第2版(2018年10月4日) [推广有奖]

1关注
19粉丝

教授

68%

还不是VIP/贵宾

威望: 0 级
论坛币: 25031 个
通用积分: 206.3849
学术水平: 41 点
热心指数: 57 点
信用等级: 40 点
经验: 125414 点
帖子: 1835
精华: 0
在线时间: 1145 小时
注册时间: 2013-6-12
最后登录: 2023-7-15

楼主

幸运符 发表于 2018-10-6 13:59:23 |只看作者 |坛友微信交流群|倒序 |AI写论文

相似文件

换一批

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

TensorFlow机器学习手册第2版
——跳过理论并充分利用Tensorflow来构建生产就绪的机器学习模型

版次：第2版
国际标准书号： 978-1789131680
发表于： 2018年10月4日
页数： 422页
作者：尼克麦克卢尔

tensorflow-1x-deep-learning-cookbook.pdf (11.17 MB, 需要: 2 个论坛币)

主要特征

利用Tensorflow的功能来构建和部署机器学习模型
训练神经网络以解决计算机视觉和NLP中的实际问题
为Tensorflow模型编写生产就绪代码的便捷技术

图书说明
TensorFlow是一款面向机器智能的开源软件库。本书中的独立配方将教您如何使用TensorFlow进行复杂的数据计算，并让您比以往更深入地挖掘数据并获得更多的数据洞察力。

在本书的帮助下，您将使用训练模型，模型评估，情感分析，回归分析，聚类分析，人工神经网络等方法。您将探索RNN，CNN，GAN，强化学习和胶囊网络，每个都使用谷歌的机器学习库TensorFlow。通过实际示例，您将获得使用TensorFlow的线性回归技术的实践经验。熟悉TensorFlow生态系统后，您将了解如何将其投入生产。

到本书结束时，您将熟练使用TensorFlow进行机器智能领域。您还将深入了解深度学习，并能够在实际场景中实现机器学习算法。

你将学到什么

熟悉TensorFlow库的基本功能
通过TensorFlow了解线性回归技术
通过实践配方学习SVM
实现神经网络以改进预测建模
将NLP和情绪分析应用于您的数据
通过实用的食谱掌握CNN和RNN
实施梯度提升随机森林来预测房价
将TensorFlow投入生产
这本书的用途是谁

如果您是具有线性代数，统计学和机器学习知识的数据科学家或机器学习工程师，本书适合您。如果您想跳过理论并使用Tensorflow构建生产就绪的机器学习模型而无需阅读页面和材料页面，本书适合您。假设Python编程的一些背景知识。

目录
前言1
第1章：TensorFlow - 简介9
简介10
安装TensorFlow 12
做好准备12
怎么做...... 13
它是如何工作的...... 15
还有更多...... 16
TensorFlow 17中的Hello world
怎么做...... 17
它是如何工作的...... 19
了解TensorFlow程序结构20
怎么做...... 20
它是如何工作的...... 21
还有更多...... 22
使用常量，变量和占位符23
怎么做... 24
它是如何工作的...... 28
还有更多...... 29
使用TensorFlow 30执行矩阵操作
怎么做...... 30
它是如何工作的...... 32
还有更多...... 32
使用数据流图32
怎么做... 32
从0.x迁移到1.x 34
怎么做... 34
还有更多...... 35
使用XLA来提高计算性能35
做好准备36
怎么做...... 37
调用CPU / GPU设备38
怎么做...... 38
它是如何工作的...... 41目录
[ii]
TensorFlow for Deep Learning 41
怎么做... 43
还有47个
基于DNN的问题需要不同的Python包47
怎么做... 48
另见49
第2章：回归50
简介50
选择损失函数53
做好准备53
怎么做... 54
它是如何工作的...... 55
还有更多... 56
TensorFlow中的优化器56
做好准备56
怎么做...... 57
还有更多...... 59
另见59
从CSV文件读取和预处理数据60
做好准备60
怎么做... 61
还有更多...... 63
房价估算 - 简单线性回归63
做好准备63
怎么做... 63
它是如何工作的...... 66
还有更多...... 68
房价估计 - 多元线性回归69
怎么做... 69
它是如何工作的...... 73
还有更多...... 73
MNIST数据集74上的逻辑回归
怎么做... 74
它是如何工作的...... 77
另见80
第3章：神经网络 - 感知器81
简介81
激活功能85目录
[iii]
做好准备85
怎么做... 86
它是如何工作的...... 91
还有更多...... 92
另见92
单层感知器92
做好准备93
怎么做... 93
还有更多... 95
计算反向传播算法95的梯度
做好准备96
怎么做...... 97
它是如何工作的...... 100
还有...... 100
另见100
使用MLP 100的MNIST分类器
做好准备100
怎么做...... 101
它是如何工作的...... 103
函数逼近使用MLP预测波士顿房价104
做好准备104
怎么做...... 104
它是如何工作的...... 108
还有更多...... 109
调整超参数110
怎么做...... 110
还有...... 112
另见112
更高级别的API-Keras 112
怎么做...... 113
还有更多...... 114
另见114
第4章：卷积神经网络115
简介115
本地感受野116
共同的权重和偏见116
一个数学例子116
TensorFlow中的ConvNets 117内容
[iv]
汇集层118
最大合并118
平均汇集119
ConvNets摘要120
创建ConvNet以对手写的MNIST号码进行分类120
做好准备120
怎么做... 121
它是如何工作的...... 127
创建ConvNet以对CIFAR-10进行分类127
做好准备127
怎么做...... 128
它是如何工作的...... 130
还有更多... 131
使用VGG19转换样式进行图像重新绘制131
做好准备131
怎么做... 132
它是如何工作的...... 142
还有更多...... 142
使用预训练的VGG16网进行转学习143
做好准备143
怎么做... 144
它是如何工作的...... 147
还有...... 147
创建DeepDream网络148
做好准备148
怎么做... 149
它是如何工作的...... 152
还有更多...... 153
另见153
第5章：高级卷积神经网络154
简介154
为情绪分析创建ConvNet 155
做好准备155
怎么做...... 156
它是如何工作的...... 158
还有更多... 159
检查VGG预构建网络的过滤器已经学习了160
准备160内容
[v]
怎么做...... 161
它是如何工作的...... 164
还有更多...... 165
使用VGGNet，ResNet，Inception和Xception对图像进行分类165
VGG16和VGG19 166
ResNet 167
成立168
Xception 169
做好准备169
怎么做...... 169
它是如何工作的...... 179
还有更多...... 179
回收预先构建的深度学习模型以提取特征180
做好准备180
怎么做...... 180
它是如何工作的...... 181
非常深的InceptionV3 Net用于转移学习181
做好准备182
怎么做...... 182
它是如何工作的...... 184
还有更多...... 185
使用扩展的ConvNets，WaveNet和NSynth生成音乐185
做好准备188
怎么做...... 188
它是如何工作的...... 191
还有更多... 191
回答有关图像的问题（Visual Q＆A）192
怎么做...... 193
它是如何工作的...... 200
还有更多...... 200
使用预先训练好的网络以六种不同的方式对视频进行分类200
怎么做...... 203
它是如何工作的...... 203
还有更多...... 204
第6章：递归神经网络205
简介205
消失和爆炸的梯度208
长期短期记忆（LSTM）209目录
[vi]
门控循环单元（GRU）和窥视孔LSTM 211
对矢量序列213进行操作
神经机器翻译 - 训练seq2seq RNN 214
做好准备217
怎么做...... 217
它是如何工作的...... 220
神经机器翻译 - 对seq2seq RNN 222的推断
怎么做... 223
它是如何工作的...... 223
所有你需要的是注意 - seq2seq RNN 224的另一个例子
怎么做...... 225
它是如何工作的...... 226
还有...... 228
学习用RNN写作莎士比亚228
怎么做... 229
它是如何工作的...... 231
第一次迭代231
经过几次迭代232
还有...... 233
学习用RNN预测未来的比特币价值234
怎么做...... 234
它是如何工作的...... 244
还有...... 245
多对一和多对多RNN示例245
怎么做... 246
它是如何工作的...... 246
第7章：无监督学习247
简介247
主成分分析248
做好准备248
怎么做... 249
它是如何工作的...... 252
还有...... 252
另见253
k均值聚类254
做好准备254
怎么做...... 256
它是如何工作的...... 259
还有更多...... 259目录
[vii]
另见260
自组织地图260
做好准备261
怎么做...... 263
它是如何工作的...... 267
另见268
受限制的玻尔兹曼机器268
做好准备269
怎么做...... 270
它是如何工作的...... 273
另见273
使用RBM 274的推荐系统
做好准备274
怎么做...... 274
还有更多... 276
DBN for Emotion Detection 276
做好准备277
怎么做...... 278
它是如何工作的...... 284
还有...... 285
第8章：自动编码器286
简介286
另见288
香草自动编码器289
做好准备290
怎么做...... 290
它是如何工作的... 294
还有更多... 295
稀疏自动编码器296
准备...... 296
怎么做...... 297
它是如何工作的...... 302
还有更多...... 303
另见303
去噪自动编码器304
准备304
怎么做...... 304
另请参见309目录
[viii]
卷积自动编码器309
准备...... 310
怎么做...... 310
它是如何工作的...... 314
还有更多...... 314
另见314
堆叠自动编码器315
准备315
怎么做...... 315
它是如何工作的...... 320
还有更多...... 321
另见321
第9章：强化学习322
简介322
学习OpenAI Gym 324
做好准备324
怎么做...... 325
它是如何工作的...... 326
还有...... 327
另见328
实现神经网络代理来玩Pac-Man 328
做好准备328
怎么做...... 329
Q学习平衡Cart-Pole 332
做好准备333
怎么做...... 335
还有...... 340
另见341
使用Deep Q Networks的Atari游戏341
做好准备341
怎么做...... 343
还有更多...... 351
另见352
政策渐变玩Pong 352游戏
做好准备352
怎么做...... 353
它是如何工作的... 358
还有更多... 359表内容
[ix]
AlphaGo Zero 359
另见360
第10章：移动计算361
简介361
TensorFlow，移动和云363
为macOS和Android 363安装TensorFlow mobile
做好准备363
怎么做...... 363
它是如何工作的...... 370
还有更多...... 371
玩TensorFlow和Android示例371
做好准备371
怎么做...... 372
它是如何工作的... 375
为macOS和iPhone 375安装TensorFlow mobile
做好准备376
怎么做...... 376
它是如何工作的...... 379
还有...... 380
优化移动设备的TensorFlow图380
做好准备380
怎么做...... 380
它是如何工作的...... 383
为移动设备分析TensorFlow图383
做好准备383
怎么做...... 383
它是如何工作的... 385
为移动设备转换TensorFlow图386
做好准备386
怎么做...... 386
它是如何工作的...... 389
第11章：生成模型和CapsNet 390
简介390
什么是GAN？ 391
一些很酷的GAN应用程序392
学习使用简单的GAN伪造MNIST图像398
准备399
怎么做... 399目录
[ X ]
它是如何工作的...... 404
学习用DCGAN 405伪造MNIST图像
做好准备405
怎么做...... 405
它是如何工作的...... 411
学习使用DCGAN 412伪造名人面孔和其他数据集
做好准备414
怎么做... 414
它是如何工作的...... 414
还有...... 416
实现变分自动编码器416
做好准备...... 417
怎么做...... 418
它是如何工作的... 427
还有更多... 428
另见... 429
学习如何击败以前的MNIST最先进的结果
胶囊网络430
做好准备432
怎么做... 432
它是如何工作的...... 443
还有更多...... 447
第12章：分布式TensorFlow和云深度学习449
简介449
使用TensorFlow和GPU 453
做好准备454
怎么做... 454
它是如何工作的... 455
使用分布式TensorFlow：多个GPU和一个CPU 455
做好准备455
怎么做... 455
它是如何工作的... 457
使用分布式TensorFlow：多个服务器457
做好准备457
怎么做... 457
它是如何工作的... 459
还有更多... 459
训练分布式TensorFlow MNIST分类器459目录
[xi]
做好准备459
怎么做...... 460
它是如何工作的...... 463
使用TensorFlow服务和Docker 463
做好准备463
怎么做... 464
它是如何工作的...... 465
还有更多...... 465
还有更多...... 465
在Google Cloud（GCP）上运行分布式TensorFlow
计算引擎465
做好准备465
怎么做...... 466
它是如何工作的...... 469
还有更多...... 469
在Google CloudML 469上运行Distributed TensorFlow
做好准备469
怎么做...... 470
它是如何工作的...... 471
还有更多... 471
在Microsoft Azure 471上运行分布式TensorFlow
做好准备472
怎么做...... 472
它是如何工作的...... 475
还有...... 475
在Amazon AWS 476上运行分布式TensorFlow
做好准备477
怎么做...... 478
它是如何工作的...... 480
还有更多...... 481
第13章：使用AutoML学习学习（元学习）482
使用循环网络和强化学习的元学习483
元学习块485
元学习小说任务486
Siamese Network 489
Siamese Networks 491的应用
一个工作示例 - MNIST 492
第14章：TensorFlow处理单元494
TPU的组成部分494目录
[xii]
TPU的优点496
访问TPU 496
TPU上的资源497