TensorFlow机器学习项目开发实战PDF电子书下载

查看更多关于的内容

第1章 TensorFlow和机器学习概述 1

1.1 关于TensorFlow 1

1.2 TensorFlow核心API 2

1.3 计算图 11

1.4 机器学习、分类和逻辑回归 18

1.5 使用TensorFlow进行逻辑回归 21

1.6 使用Keras进行逻辑回归 24

1.7 小结 26

1.8 问题 26

1.9 延伸阅读 26

第2章 利用机器学习探测外太空中的系外行星 27

2.1 关于决策树 27

2.2 集成学习的必要性 28

2.3 基于决策树的集成方法 29

2.4 TensorFlow中基于决策树的集成 32

2.5 探测外太空的系外行星 34

2.6 建立用于系外行星探测的TFBT模型 38

2.7 小结 42

2.8 问题 42

2.9 延伸阅读 43

第3章 使用TensorFlow.js在浏览器中进行情感分析 44

3.1 理解TensorFlow.js 45

3.2 理解Adam优化 46

3.3 理解分类交叉熵损失 46

3.4 理解单词嵌入 47

3.5 构建情感分析模型 48

3.6 使用TensorFlow.js在浏览器中运行模型 51

3.7 小结 55

3.8 问题 55

第4章 使用TensorFlow Lite进行数字分类 56

4.1 关于TensorFlow Lite 56

4.2 分类模型评估指标 58

4.3 使用TensorFlow Lite对数字进行分类 59

4.4 小结 69

4.5 问题 70

第5章 使用NLP进行从语音到文本的转换和主题的提取 71

5.1 关于Speech-to-Text框架和工具包 71

5.2 Google语音命令数据集 72

5.3 神经网络架构 73

5.4 训练模型 74

5.5 小结 77

5.6 问题 77

5.7 延伸阅读 77

第6章 使用高斯过程回归预测股票价格 79

6.1 理解贝叶斯规则 79

6.2 贝叶斯推理 80

6.3 高斯过程 81

6.4 将高斯过程应用于股市预测 84

6.5 创建股票价格预测模型 86

6.6 理解获得的结果 89

6.7 小结 99

6.8 问题 99

第7章 使用自动编码器进行信用卡欺诈检测 100

7.1 理解自动编码器 100

7.2 构建欺诈检测模型 101

7.3 小结 111

7.4 问题 111

第8章 使用贝叶斯神经网络生成交通标志分类器中的不确定性 112

8.1 理解贝叶斯深度学习 112

8.2 神经网络中的贝叶斯规则 113

8.3 理解TensorFlow Probability、变分推断和蒙特卡罗方法 114

8.4 构建贝叶斯神经网络 116

8.5 定义、培训和测试模型 118

8.6 小结 129

8.7 问题 130

第9章 使用DiscoGAN从鞋子图像生成匹配的手提包图像 131

9.1 理解生成模型 131

9.2 理解DiscoGAN 135

9.3 构建DiscoGAN模型 139

9.4 小结 148

9.5 问题 149

第10章 使用胶囊网络对服装图像进行分类 150

10.1 理解胶囊网络的重要性 150

10.2 理解胶囊 151

10.3 动态路由算法 153

10.4 用于对Fashion MNIST图像进行分类的胶囊网络 156

10.5 训练和测试模型 160

10.6 重建样本图像 167

10.7 胶囊网络的局限性 169

10.8 小结 170

第11章 使用TensorFlow制作商品推荐系统 172

11.1 推荐系统 172

11.2 基于内容的过滤 173

11.3 协同过滤 174

11.4 混合系统 174

11.5 矩阵分解 175

11.6 Retailrocket数据集简介 175

11.7 Retailrocket数据集深入探究 176

11.8 预处理数据 177

11.9 Retailrocket数据集推荐系统的矩阵分解模型 178

11.10 Retailrocket数据集推荐系统的神经网络模型 181

11.11 小结 183

11.12 问题 183

11.13 延伸阅读 183

第12章 使用TensorFlow进行大规模的对象检测 184

12.1 Apache Spark简介 185

12.2 理解分布式TensorFlow 186

12.3 理解TensorFlowOnSpark 191

12.4 使用TensorFlowOnSpark和Sparkdl进行对象检测 197

12.5 小结 202

第13章 使用LSTM生成图书脚本 204

13.1 理解循环神经网络 204

13.2 预处理数据 205

13.3 定义模型 207

13.4 训练模型 208

13.5 定义和训练文本生成模型 208

13.6 生成图书脚本 214

13.7 小结 217

13.8 问题 217

第14章 使用深度强化学习玩《吃豆人》游戏 218

14.1 强化学习 219

14.2 强化学习与监督学习和无监督学习的对比 219

14.3 强化学习的组成部分 220

14.4 OpenAI Gym工具包 220

14.5 在OpenAI Gym中创建《吃豆人》游戏 222

14.6 用于深度强化学习的DQN 224

14.7 将DQN应用于游戏 225

14.8 小结 230

14.9 延伸阅读 230

第15章 在生产环境中部署机器学习模型 231

15.1 在生产环境中实现TensorFlow 231

15.2 建立AI应用程序的建议 237

15.3 深度学习的局限性 238

15.4 AI在行业中的应用 238

15.5 AI中的伦理道德考虑因素 239

15.6 小结 240

查看更多关于的内容