包邮TENSORFLOW机器学习项目开发实战

目 录 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