基于TensorFlow的深度学习-揭示数据隐含的奥秘

译者序
原书前言
第1 章　入门知识 // 1
1.1　TensorFlow 安装 // 1
1.1.1　TensorFlow- 主界面 // 1
1.1.2　TensorFlow- 安装页面 // 1
1.1.3　通过pip 安装 // 1
1.1.4　通过CoCalc 安装 // 4
1.2　简单计算 // 6
1.2.1　定义标量和张量 // 6
1.2.2　张量计算 // 7
1.2.3　执行计算 // 7
1.2.4　张量变量 // 8
1.2.5　查看和替换中间值 // 9
1.3　逻辑回归模型建模 // 10
1.3.1　导入字体分类数据集 // 11
1.3.2　逻辑回归分析 // 13
1.3.3　数据准备 // 13
1.3.4　构建TensorFlow 模型 // 14
1.4　逻辑回归模型训练 // 15
1.4.1　编写损失函数 // 15
1.4.2　训练模型 // 16
1.4.3　评估模型精度 // 17
1.5　小结 // 19
第2 章　深度神经网络 // 20
2.1　基本神经网络 // 20
2.1.1　log 函数 // 21
2.1.2　sigmoid 函数 // 22
2.2　单隐层模型 // 23
2.2.1　单隐层模型探讨 // 24
2.2.2　反向传播算法 // 25
2.3　单隐层模型解释 // 26
2.3.1　理解模型权重 // 28
2.4　多隐层模型 // 29
2.4.1　多隐层模型探讨 // 30
2.5　多隐层模型结果 // 32
2.5.1　多隐层模型图理解 // 33
2.6　小结 // 36
第3 章　卷积神经网络 // 37
3.1　卷积层激励 // 37
3.1.1　多特征提取 // 40
3.2　卷积层应用 // 41
3.2.1　卷积层探讨 // 41
3.3　池化层激励 // 46
3.3.1　*大池化层 // 46
3.4　池化层应用 // 49
3.5　深度卷积神经网络 // 51
3.5.1　添加卷积层和池化层组合 // 51
3.5.2　应用卷积神经网络进行字体分类 // 53
3.6　更深度卷积神经网络 // 57
3.6.1　 对卷积神经网络中的一层添加另
一层 // 57
基于TensorFlow 的深度学习：
揭示数据隐含的奥秘
X
3.7　整理总结深度卷积神经网络 // 60
3.8　小结 // 64
第4 章　递归神经网络 // 65
4.1　递归神经网络探讨 // 65
4.1.1　权重建模 // 66
4.1.2　递归神经网络理解 // 67
4.2　TensorFlow Learn // 70
4.2.1　设置 // 71
4.2.2　逻辑回归 // 72
4.3　深度神经网络 // 73
4.3.1　 卷积神经网络在Learn 中的
应用 // 74
4.3.2　权重提取 // 77
4.4　小结 // 78
第5 章　总结整理 // 79
5.1　研究评价 // 79
5.2　所有模型的快速回顾 // 80
5.2.1　逻辑回归模型 // 80
5.2.2　单隐层神经网络模型 // 81
5.2.3　深度神经网络 // 83
5.2.4　卷积神经网络 // 84
5.2.5　深度卷积神经网络 // 85
5.3　TensorFlow 的展望 // 87
5.3.1　一些TensorFlow 工程项目 // 88
5.4　小结 // 90