TensorFlow深度学习从入门到进阶

封面

版权信息

前言

第1章 TensorFlow与深度学习

1.1 深度学习的由来

1.2 语言与系统的支持

1.3 TensorFlow的特点

1.4 核心组件

1.5 TensorFlow的主要依赖包

1.6 搭建环境

1.7 Geany

1.8 揭开深度学习的面纱

1.9 深度学习的优劣势

第2章 TensorFlow编程基础

2.1 张量

2.2 图的实现

2.3 会话的实现

2.4 认识变量

2.5 矩阵的操作

2.6 TensorFlow数据读取的方式

2.7 从磁盘读取信息

第3章 TensorFlow编程进阶

3.1 队列与线程

3.2 TensorFlow嵌入Layer

3.3 生成随机图片数据

3.4 神经网络

3.5 损失函数

3.6 梯度下降

3.7 反向传播

3.8 随机训练与批量训练

3.9 创建分类器

3.10 模型评估

3.11 优化函数

第4章 TensorFlow实现线性回归

4.1 矩阵操作实现线性回归问题

4.2 损失函数对iris数据实现回归分析

4.3 戴明算法对iris数据实现回归分析

4.4 岭回归与Lasso回归对iris数据实现回归分析

4.5 弹性网络算法对iris数据实现回归分析

第5章 TensorFlow实现逻辑回归

5.1 什么是逻辑回归

5.2 逆函数及其实现

5.3 Softmax回归

第6章 TensorFlow实现聚类分析

6.1 支持向量机及实现

6.2 K-均值聚类法及实现

6.3 最近邻算法及实现

第7章 神经网络算法

7.1 反向网络

7.2 激励函数及实现

7.3 门函数及其实现

7.4 单层神经网络对iris数据进行训练

7.5 单个神经元的扩展及实现

7.6 构建多层神经网络

7.7 实现井字棋

第8章 TensorFlow实现卷积神经网络

8.1 全连接网络的局限性

8.2 卷积神经网络的结构

8.3 卷积神经网络的训练

8.4 卷积神经网络的实现

8.5 几种经典的卷积神经网络及实现

第9章 TensorFlow实现循环神经网络

9.1 循环神经网络概述

9.2 循环神经网络的训练

9.3 循环神经网络的改进

第10章 TensorFlow其他网络

10.1 自编码网络及实现

10.2 降噪自编码器及实现

10.3 栈式自编码器及实现

10.4 变分自编码器及实现

10.5 条件变分自编码器及实现

10.6 对抗神经网络

10.7 DCGAN网络及实现

10.8 InfoGAN网络及实现

10.9 AEGAN网络及实现

10.10 WGAN-GP网络

第11章 TensorFlow机器学习综合实战

11.1 房屋价格的预测

11.2 卷积神经网络实现人脸识别

11.3 肾癌的转移判断

11.4 比特币的预测