TensorFlow 机器学习 Cookbook

tensorflow 0.1.0 文档

0:TensorFlow 机器学习 Cookbook (version : 0.1.0)

1:TensorFlow如何工作

15:变量和张量的声明

30:使用占位符和变量

38:矩阵

54:操作符的声明

62:载入激活函数

72:数据资源

83:资源库

89:本章学习模块

100:计算图

101:分层嵌套操作

102:多层操作

103:载入损失函数

104:载入反向传播

105:随机和批量训练

106:结合训练

107:模型评估

108:本章学习模块

111:矩阵转置

112:矩阵分解法

113:TensorFLow的线性回归

114:线性回归的损失函数

115:Deming回归(全回归)

116:套索(Lasso)回归和岭(Ridge)回归

117:弹性网(Elastic Net)回归

118:逻辑(Logistic)回归

119:本章学习模块

122:引言

123:线性支持向量机

124:回归线性回归

125:TensorFlow中的核

126:非线性支持向量机

127:多类支持向量机

128:本章学习模块

131:引言

132:最近邻法的使用

133:文本距离函数

134:计算混合距离函数

135:地址匹配

136:图像处理的近邻法

137:本章学习模块

140:引言

141:载入操作门

142:门运算和激活函数

143:载入一层神经网络

144:载入多层神经网络

145:使用多层神经网络

146:线性模型预测改善

147:神经网络学习井字棋

148:本章学习模块

151:引言

152:词袋 (Bag of Words)

153:词频-逆文本频率 (TF-IDF)

154:运用Skip-Gram

155:CBOW (Continuous Bag fo Words)

156:Word2Vec应用实例

157:Doc2Vec情感分析 (Sentiment Analysis)

158:神经网络学习井字棋

159:本章学习模块

162:引言

163:简单卷积神经网络 (Simple CNNs)

164:高级卷积神经网络 (Advanced CNNs)

165:重新训练一个存在架构

166:使用Stylenet/Neural-Style

167:运用Deep Dream

168:引言

169:卷积神经网络模型用于垃圾信息检测

170:LSTM模型用于文本生成

171:堆叠多层LSTM

172:创建段对段模型翻译 (Seq2Seq)

173:训练Siamese相似度测量

174:单元测试

175:使用多个执行器 (设备)

176:TensorFlow平行化

177:TensorFlow开发贴士

178:TensorFlow开发实例

179:计算图可视化(用Tensorboard)

180:遗传算法

181:K-means聚类分析

182:解决体系常微分方程

183:随机森林

184:TensorFlow中的Keras