TensorFlow機器學習實用指南

 
第1章TensorFlow 2.x入門
1.1 TensorFlow如何工作.
1.2聲明變量和張量
1.3 使用 eager execution
1.4 使用矩陣
1.5 聲明操作*
1.6使用激活函數(shù)
1.7 使用數(shù)據(jù)源
1.8 其他資源
第2章 TensorFlow操作
2.1 使用 eager execution 的操作
2.2 分層嵌套操作
2.3 使用多個層
2.4實現(xiàn)損失函數(shù)
2.5 實現(xiàn)反向傳播
2.6 使用批量和隨機訓練
2.7 結合所有內(nèi)容
第3章 Keras 
3.1 概述..
3.2 理解Keras層
3.3 使用 Keras Sequential API
3.4 使用Keras Functional API
3.5 使用Keras SubclassingAPI
3.6使用Keras Preprocessing API .
第4章 線性回歸
4.1 學習利用 TensorFlow 進行線性回歸
4.2 將 Keras模型轉(zhuǎn)化為Estimato
4.3 理解線性回歸中的損失函數(shù)
4.4 實現(xiàn)Lasso和 Ridge回歸
4.5實現(xiàn)邏輯回歸
4.6 訴諸非線性解決方案.
4.7 使用 Wide & Deep模型..
第5章 增強樹
第6章 神經(jīng)網(wǎng)絡
6.1 實現(xiàn)操作門
6.2 使用門和激活函數(shù).
6.3 使用單層神經(jīng)網(wǎng)絡
6.4 實現(xiàn)不同的層
6.5 使用多層網(wǎng)絡
6.6 改進線性模型的預測
6.7 學習玩 Tic-Tac-Toe游戲
第7章 使用表格數(shù)據(jù)進行預測
7.1處理數(shù)值數(shù)據(jù)
7.2 處理日期
7.3 處理分類數(shù)據(jù)
7.4 處理序列數(shù)據(jù)
7.5處理高基數(shù)分類數(shù)據(jù)
7.6 連接所有操作
7.7 建立一個數(shù)據(jù)生成器
7.8 為表格數(shù)據(jù)創(chuàng)建自定義激活
7.9 對難題進行測試
第8章 卷積神經(jīng)網(wǎng)絡
8.1介紹
8.2 實現(xiàn)簡單的CNN
8.3 實現(xiàn)先進的CNN
8.4 重新訓練現(xiàn)有的CNN模型
8.5 應用 StyleNet和神經(jīng)式項目
8.6 實現(xiàn) DeepDream
第9章 遞歸神經(jīng)網(wǎng)絡
9.1 文本生成
……
第10章 Transformer
第11章 使用TensorFlow 和TF-Agent進行強化學習
第12章 TensorFlow的應用