新書推薦：
《
秦汉史讲义
》
售價：NT$
690.0
《
万千心理·我的精神分析之道：复杂的俄狄浦斯及其他议题
》
售價：NT$
475.0
《
荷马：伊利亚特（英文）-西方人文经典影印21
》
售價：NT$
490.0
《
我的心理医生是只猫
》
售價：NT$
225.0
《
巴拉吉预言
》
售價：NT$
340.0
《
股权控制战略：如何实现公司控制和有效激励（第2版）
》
售價：NT$
449.0
《
汉译名著·哲学经典十种
》
售價：NT$
3460.0
《
成吉思汗传：看历代帝王将相谋略 修炼安身成事之根本
》
售價：NT$
280.0
|
| 內容簡介： |
|
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。
|
| 關於作者： |
|
Nick McClure目前是位于华盛顿州西雅图的PayScale公司的高级数据科学家。 在此之前，他曾就职于Zillow和Caesar公司。他在蒙大拿大学和圣本笃学院和圣约翰大学获得应用数学学位。他热爱学习，致力于机器学习和人工智能研究。
|
| 目錄：
|
CONTENTS
目录
译者序
作者简介
审校者简介
前言
第1章TensorFlow基础1
1.1TensorFlow介绍1
1.2TensorFlow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
2.3TensorFlow的嵌入Layer21
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
2.4TensorFlow的多层Layer23
2.4.1开始23
2.4.2动手做24
2.4.3工作原理25
2.5TensorFlow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
2.6TensorFlow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
2.7TensorFlow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
2.8TensorFlow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
2.9TensorFlow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
4.4TensorFlow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
|
| 內容試閱：
|
PREFACE前言2015年11月，Google公司开源TensorFlow，随后不久TensorFlow成为GitHub上最受欢迎的机器学习库。TensorFlow创建计算图、自动求导和定制化的方式使得其能够很好地解决许多不同的机器学习问题。
本书介绍了许多机器学习算法，将其应用到真实场景和数据中，并解释产生的结果。
本书的主要内容第1章介绍TensorFlow的基本概念，包括张量、变量和占位符；同时展示了在TensorFlow中如何使用矩阵和各种数学操作。本章末尾讲述如何访问本书所需的数据源。
第2章介绍如何在计算图中连接第1章中的所有算法组件，创建一个简单的分类器。接着，介绍计算图、损失函数、反向传播和训练模型。
第3章重点讨论使用TensorFlow实现各种线性回归算法，比如，戴明回归、lasso回归、岭回归、弹性网络回归和逻辑回归，也展示了如何在TensorFlow计算图中实现每种回归算法。
第4章介绍支持向量机（SVM）算法，展示如何在TensorFlow中实现线性SVM算法、非线性SVM算法和多分类SVM算法。
第5章展示如何使用数值度量、文本度量和归一化距离函数实现最近邻域法。我们使用最近邻域法进行地址间的记录匹配和MNIST数据库中手写数字的分类。
第6章讲述如何使用TensorFlow实现神经网络算法，包括操作门和激励函数的概念。随后展示一个简单的神经网络并讨论如何建立不同类型的神经网络层。本章末尾通过神经网络算法教TensorFlow玩井字棋游戏。
第7章阐述借助TensorFlow实现的各种文本处理算法。我们展示如何实现文本的“词袋”和TF-IDF算法。然后介绍CBOW和skip-gram模型的神经网络文本表示方式，并对于Word2Vec和Doc2Vec用这些方法来做预测。
第8章扩展神经网络算法，说明如何借助卷积神经网络（CNN）算法在图像上应用神经网络算法。我们展示如何构建一个简单的CNN进行MNIST数字识别，并扩展到CIFAR-10任务中的彩色图片，也阐述了如何针对自定义任务扩展之前训练的图像识别模型。本章末尾详细解释TensorFlow实现的模仿大师绘画和Deep-Dream算法。
第9章解释在TensorFlow中如何实现递归神经网络（RNN）算法，展示如何进行垃圾短信预测和在莎士比亚文本样本集上扩展RNN模型生成文本。接着训练Seq2Seq模型实现德语-英语的翻译。本章末尾展示如何用孪生RNN模型进行地址记录匹配。
第10章介绍TensorFlow产品级用例和开发提示，同时介绍如何利用多处理设备（比如，GPU）和在多个设备上实现分布式TensorFlow。
第11章展示TensorFlow如何实现k-means算法、遗传算法和求解常微分方程（ODE），还介绍了Tensorboad的各种用法和如何查看计算图指标。
阅读本书前的准备书中的章节都会使用TensorFlow，其官网为https：www.tensorflow.org，它是基于Python 3（https：www.python.orgdownloads）编写的。大部分章节需要访问从网络中下载的数据集。
本书的目标读者本书适用于有经验的机器学习读者和Python程序员。有机器学习背景的读者会发现TensorFlow的代码很有启发性；有Python编程经验的读者会觉得代码注释极具参考性。
模块说明在本书中，你会频繁看到开始、动手做、工作原理、延伸学习和参考这几个模块。
为了系统地学习相关技术，下面简单解释一下：
开始该节告诉读者该技术的内容，描述如何准备软件或者前期的准备工作。
动手做具体的操作步骤。
工作原理详细解释前一节发生了什么。
延伸学习附加资源，以供读者延伸学习。
参考提供有用的链接和有帮助的资源信息。
下载示例代码读者可登录华章网站（www.hzbook.com）下载本书示例代码文件。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
