由谷歌開發(fā)的TensorFlow 2.x是一個(gè)用于機(jī)器學(xué)習(xí)的端到端的開源平臺(tái),它擁有一個(gè)由工具、庫(kù)和社區(qū)資源組成的、全面的、靈活的生態(tài)系統(tǒng),可以讓研究人員推動(dòng)最先進(jìn)的機(jī)器學(xué)習(xí)(ML)的發(fā)展,讓開發(fā)人員輕松地構(gòu)建和部署由ML驅(qū)動(dòng)的應(yīng)用程序。
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(gè)層
2.4實(shí)現(xiàn)損失函數(shù)
2.5 實(shí)現(xiàn)反向傳播
2.6 使用批量和隨機(jī)訓(xùn)練
2.7 結(jié)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(xué)習(xí)利用 TensorFlow 進(jìn)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(shí)現(xiàn)Lasso和 Ridge回歸
4.5實(shí)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(qiáng)樹
第6章
神經(jīng)網(wǎng)絡(luò)
6.1 實(shí)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(luò)
6.4 實(shí)現(xiàn)不同的層
6.5 使用多層網(wǎng)絡(luò)
6.6 改進(jìn)線性模型的預(yù)測(cè)
6.7 學(xué)習(xí)玩 Tic-Tac-Toe游戲
第7章
使用表格數(shù)據(jù)進(jìn)行預(yù)測(cè)
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(gè)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(duì)難題進(jìn)行測(cè)試
第8章
卷積神經(jīng)網(wǎng)絡(luò)
8.1介紹
8.2 實(shí)現(xiàn)簡(jiǎn)單的CNN
8.3 實(shí)現(xiàn)先進(jìn)的CNN
8.4 重新訓(xùn)練現(xiàn)有的CNN模型
8.5 應(yīng)用 StyleNet和神經(jīng)式項(xiàng)目
8.6 實(shí)現(xiàn) DeepDream
第9章
遞歸神經(jīng)網(wǎng)絡(luò)
9.1 文本生成
……
第10章 Transformer
第11章
使用TensorFlow 和TF-Agent進(jìn)行強(qiáng)化學(xué)習(xí)
第12章
TensorFlow的應(yīng)用