TensorFlow 入门 介绍TensorFlow 如何工作声明变量和张量使用占位符和变量使用矩阵声明操作符实现激活函数使用数据源其他资源 TensorFlow 的方式 介绍计算图中的操作对嵌套操作分层使用多个层实现损失函数实现反向传播使用批量和随机训练把所有东西结合在一起评估模型 线性回归 介绍使用矩阵逆方法实现分解方法学习 TensorFlow 线性回归方法理解线性回归中的损失函数实现 deming 回归实现套索和岭回归实现弹性网络回归实现逻辑回归 支持向量机 介绍使用线性 SVM简化为线性回归在 TensorFlow 中使用内核实现非线性 SVM实现多类 SVM 最近邻方法 介绍使用最近邻使用基于文本的距离使用混合距离函数的计算使用地址匹配的示例使用最近邻进行图像识别 神经网络 介绍实现操作门使用门和激活函数实现单层神经网络实现不同的层使用多层神经网络改进线性模型的预测学习玩井字棋 自然语言处理 介绍使用词袋嵌入实现 TF-IDF使用 Skip-Gram 嵌入使用 CBOW 嵌入使用 word2vec 进行预测使用 doc2vec 进行情绪分析 卷积神经网络 介绍实现简单的 CNN实现先进的 CNN重新训练现有的 CNN 模型应用 StyleNet 和 NeuralStyle 项目实现 DeepDream 循环神经网络 介绍为垃圾邮件预测实现 RNN实现 LSTM 模型堆叠多个 LSTM 层创建序列到序列模型训练 Siamese RNN 相似性度量 将 TensorFlow 投入生产 介绍实现单元测试使用多个执行程序并行化 TensorFlow将 TensorFlow 投入生产生产环境 TensorFlow 的一个例子使用 TensorFlow 服务 更多 TensorFlow 介绍可视化 TensorBoard 中的图使用遗传算法使用 k 均值聚类求解常微分方程组使用随机森林使用 TensorFlow 和 Keras