stsfang

学习JavaScript数据结构与算法

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。