TensorFlow机器学习实用指南

第1章 TensorFlow 2.x入门 1.1 TensorFlow如何工作 1.2 声明变量和张量 1.3 使用eager execution 1.4 使用矩阵 1.5 声明操作 1.6 使用激活函数 1.7 使用数据源 1.8 其他资源 第2章 TensorFlow操作 2.1 使用eager execution的操作 2.2 分层嵌套操作 2.3 使用多个层 2.4 实现损失函数 2.5 实现反向传播 2.6 使用批量和随机训练 2.7 结合所有内容 第3章 Keras 3.1 概述 3.2 理解Keras层 3.3 使用Keras Sequential API 3.4 使用Keras Functional API 3.5 使用Keras Subclassing API 3.6 使用Keras Preprocessing API 第4章 线性回归 4.1 学习利用TensorFlow进行线性回归 4.2 将Keras模型转化为Estimator 4.3 理解线性回归中的损失函数 4.4 实现Lasso和Ridge回归 4.5 实现逻辑回归 4.6 诉诸非线性解决方案 4.7 使用Wide&Deep模型 第5章 增强树 第6章 神经网络 6.1 实现操作门 6.2 使用门和激活函数 6.3 使用单层神经网络 6.4 实现不同的层 6.5 使用多层网络 6.6 改进线性模型的预测 6.7 学习玩Tic-Tac-Toe游戏 第7章 使用表格数据进行预测 7.1 处理数值数据 7.2 处理日期 7.3 处理分类数据 7.4 处理序列数据 7.5 处理高基数分类数据 7.6 连接所有操作 7.7 建立一个数据生成器 7.8 为表格数据创建自定义激活 7.9 对难题进行测试 第8章 卷积神经网络 8.1 介绍 8.2 实现简单的CNN 8.3 实现先进的CNN 8.4 重新训练现有的CNN模型 8.5 应用StyleNet和神经式项目 8.6 实现DeepDream 第9章 递归神经网络 9.1 文本生成 9.2 情感分类 9.3 股票价格预测 9.4 Open-domain问答 9.5 总结 第10章 Transformer 10.1 文本生成 10.2 情感分析 10.3 Open-domain问答 第ll章 使用TensorFlow和TF-Agent进行强化学习 11.1 GridWorld 11.2 CartPole 11.3 多臂老虎机问题 第12章 TensorFlow的应用 12.1 在TensorBoard中的可视化 12.2 使用TensorBoard的HParams管理超参数优化 12.3 实现单元测试 12.4 使用多个执行程序 12.5 并行化TensorFlow 12.6 保存和恢复TensorFlow模型 12.7 使用TensorFlow服务