基于TensorFlow的深度學(xué)習(xí)：揭示數(shù)據(jù)隱含的奧秘

譯者序

原書前言

第1 章　入門知識 // 1

1.1　TensorFlow 安裝 // 1

1.1.1　TensorFlow- 主界面 // 1

1.1.2　TensorFlow- 安裝頁面 // 1

1.1.3　通過pip 安裝 // 1

1.1.4　通過CoCalc 安裝 // 4

1.2　簡單計算 // 6

1.2.1　定義標量和張量 // 6

1.2.2　張量計算 // 7

1.2.3　執(zhí)行計算 // 7

1.2.4　張量變量 // 8

1.2.5　查看和替換中間值 // 9

1.3　邏輯回歸模型建模 // 10

1.3.1　導(dǎo)入字體分類數(shù)據(jù)集 // 11

1.3.2　邏輯回歸分析 // 13

1.3.3　數(shù)據(jù)準備 // 13

1.3.4　構(gòu)建TensorFlow 模型 // 14

1.4　邏輯回歸模型訓(xùn)練 // 15

1.4.1　編寫損失函數(shù) // 15

1.4.2　訓(xùn)練模型 // 16

1.4.3　評估模型精度 // 17

1.5　小結(jié) // 19

第2 章　深度神經(jīng)網(wǎng)絡(luò) // 20

2.1　基本神經(jīng)網(wǎng)絡(luò) // 20

2.1.1　log 函數(shù) // 21

2.1.2　sigmoid 函數(shù) // 22

2.2　單隱層模型 // 23

2.2.1　單隱層模型探討 // 24

2.2.2　反向傳播算法 // 25

2.3　單隱層模型解釋 // 26

2.3.1　理解模型權(quán)重 // 28

2.4　多隱層模型 // 29

2.4.1　多隱層模型探討 // 30

2.5　多隱層模型結(jié)果 // 32

2.5.1　多隱層模型圖理解 // 33

2.6　小結(jié) // 36

第3 章　卷積神經(jīng)網(wǎng)絡(luò) // 37

3.1　卷積層激勵 // 37

3.1.1　多特征提取 // 40

3.2　卷積層應(yīng)用 // 41

3.2.1　卷積層探討 // 41

3.3　池化層激勵 // 46

3.3.1　最大池化層 // 46

3.4　池化層應(yīng)用 // 49

3.5　深度卷積神經(jīng)網(wǎng)絡(luò) // 51

3.5.1　添加卷積層和池化層組合 // 51

3.5.2　應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)進行字體分類 // 53

3.6　更深度卷積神經(jīng)網(wǎng)絡(luò) // 57

3.6.1　 對卷積神經(jīng)網(wǎng)絡(luò)中的一層添加另

一層 // 57

基于TensorFlow 的深度學(xué)習(xí)：

揭示數(shù)據(jù)隱含的奧秘

X

3.7　整理總結(jié)深度卷積神經(jīng)網(wǎng)絡(luò) // 60

3.8　小結(jié) // 64

第4 章　遞歸神經(jīng)網(wǎng)絡(luò) // 65

4.1　遞歸神經(jīng)網(wǎng)絡(luò)探討 // 65

4.1.1　權(quán)重建模 // 66

4.1.2　遞歸神經(jīng)網(wǎng)絡(luò)理解 // 67

4.2　TensorFlow Learn // 70

4.2.1　設(shè)置 // 71

4.2.2　邏輯回歸 // 72

4.3　深度神經(jīng)網(wǎng)絡(luò) // 73

4.3.1　 卷積神經(jīng)網(wǎng)絡(luò)在Learn 中的

應(yīng)用 // 74

4.3.2　權(quán)重提取 // 77

4.4　小結(jié) // 78

第5 章　總結(jié)整理 // 79

5.1　研究評價 // 79

5.2　所有模型的快速回顧 // 80

5.2.1　邏輯回歸模型 // 80

5.2.2　單隱層神經(jīng)網(wǎng)絡(luò)模型 // 81

5.2.3　深度神經(jīng)網(wǎng)絡(luò) // 83

5.2.4　卷積神經(jīng)網(wǎng)絡(luò) // 84

5.2.5　深度卷積神經(jīng)網(wǎng)絡(luò) // 85

5.3　TensorFlow 的展望 // 87

5.3.1　一些TensorFlow 工程項目 // 88

5.4　小結(jié) // 90