《Python+TensorFlow机器学习实战》通过开发实例和项目案例，详细介绍TensorFlow开发所涉及的主要内容。书中的每个知识点都通过实例进行通俗易懂的讲解，便于读者轻松掌握有关TensorFlow开发的内容和技巧，并能够得心应手地使用TensorFlow进行开发。
书名
Python+TensorFlow机器学习实战
Python+TensorFlow机器学习实战封面
Python+TensorFlow机器学习实战内容简介
Python+TensorFlow机器学习实战作者简介
Python+TensorFlow机器学习实战目录
第1章
机器学习概述 1.1
人工智能 1 1.2
机器学习 2 1.2.1
机器学习的发展 2 1.2.2
机器学习的分类 3 1.2.3
机器学习的经典算法 4 1.2.4
机器学习入门 6 1.3
TensorFlow简介 6 1.3.1
主流框架的对比 7 1.3.2
TensorFlow的发展 9 1.3.3
使用TensorFlow的公司 10 1.4
TensorFlow环境准备 10 1.4.1
Windows环境 11 1.4.2
Linux环境 21 1.4.3
Mac OS环境 22 1.5
常用的第三方模块 22 1.6
本章小结 23
第2章
TensorFlow基础 2.1
TensorFlow基础框架 24 2.1.1
系统框架 24 2.1.2
系统的特性 26 2.1.3
编程模型 27 2.1.4
编程特点 28 2.2
TensorFlow源代码结构分析 30 2.2.1
源代码下载 30 2.2.2
TensorFlow目录结构 30 2.2.3
重点目录 31 2.3
TensorFlow基本概念 33 2.3.1
Tensor 33 2.3.2
Variable 34 2.3.3
Placeholder 35 2.3.4
Session 36 2.3.5 Operation
2.3.6 Queue37
2.3.7 QueueRunner38
2.3.8 Coordinator39
2.4 第一个TensorFlow示例40
2.4.1 典型应用41
2.4.2 运行TensorFlow示例43
2.5 TensorBoard可视化45
2.5.1 SCALARS面板45
2.5.2 GRAPHS面板47
2.5.3 IMAGES面板48
2.5.4 AUDIO面板49
2.5.5 DISTRIBUTIONS面板49
2.5.6 HISTOGRAMS面板49
2.5.7 PROJECTOR面板50
2.6 本章小结50
第3章 TensorFlow进阶
3.1 加载数据51
3.1.1 预加载数据51
3.1.2 填充数据51
3.1.3 从CSV文件读取数据52
3.1.4 读取TFRecords数据54
3.2 存储和加载模型58
3.2.1 存储模型58
3.2.2 加载模型59
3.3 评估和优化模型60
3.3.1 评估指标的介绍与使用60
3.3.2 模型调优的主要方法61
3.4 本章小结63
第4章 线性模型
4.1 常见的线性模型64
4.2 一元线性回归65
4.2.1 生成训练数据65
4.2.2 定义训练模型66
4.2.3 进行数据训练66
4.2.4 运行总结67
4.3 多元线性回归68
4.3.1 二元线性回归算法简介68
4.3.2 生成训练数据69
4.3.3 定义训练模型70
4.3.4 进行数据训练70
4.3.5 运行总结70
4.4 逻辑回归71
4.4.1 逻辑回归算法简介71
4.4.2 生成训练数据73
4.4.3 定义训练模型74
4.4.4 进行数据训练74
4.4.5 运行总结75
4.5 本章小结76
第5章 支持向量机
5.1 支持向量机简介77
5.1.1 SVM基本型77
5.1.2 SVM核函数简介79
5.2 拟合线性回归80
5.2.1 生成训练数据80
5.2.2 定义训练模型81
5.2.3 进行数据训练81
5.2.4 运行总结82
5.3 拟合逻辑回归83
5.3.1 生成训练数据83
5.3.2 定义训练模型84
5.3.3 进行数据训练85
5.3.4 运行总结86
5.4 非线性二值分类87
5.4.1 生成训练数据87
5.4.2 定义训练模型88
5.4.3 进行数据训练89
5.4.4 运行总结89
5.5 非线性多类分类91
5.5.1 生成训练数据91
5.5.2 定义训练模型92
5.5.3 进行数据训练93
5.5.4 运行总结94
5.6 本章小结95
第6章 神经网络
6.1 神经网络简介96
6.1.2 神经网络层100
6.2 拟合线性回归问题102
6.2.1 生成训练数据102
6.2.3 进行数据训练103
6.2.4 运行总结104
6.3 MNIST数据集104
6.3.1 MNIST数据集简介105
6.3.2 数据集图片文件105
6.3.3 数据集标记文件106
6.4 全连接神经网络106
6.4.1 加载MNIST训练数据106
6.4.2 构建神经网络模型107
6.4.3 进行数据训练108 [2]
6.4.4 评估模型109
6.4.5 构建多层神经网络模型110
6.4.6 可视化多层神经网络模型111
6.5.1 卷积神经网络简介114
6.5.2 卷积层115
6.5.3 池化层119
6.5.4 全连接神经网络层121
6.5.5 卷积神经网络的发展121
6.6 通过卷积神经网络处理MNIST122
6.6.1 加载MNIST训练数据122
6.6.2 构建卷积神经网络模型123
6.6.3 进行数据训练127
6.6.4 评估模型127
6.7 循环神经网络128
6.7.1 循环神经网络简介128
6.7.2 基本循环神经网络129
6.7.3 长短期记忆网络131
6.7.4 双向循环神经网络简介134
6.8 通过循环神经网络处理MNIST135
6.8.1 加载MNIST训练数据136
6.8.2 构建神经网络模型136
6.8.3 进行数据训练及评估模型137
6.9.1 递归神经网络简介138
6.9.2 递归神经网络的应用139
6.10 本章小结140
第7章 无监督学习
7.1 无监督学习简介141
7.1.1 聚类模型141
7.1.2 自编码网络模型142
7.2 K均值聚类142
7.2.2 K均值聚类算法实践144
7.3 自编码网络147
7.3.1 自编码网络简介147
7.3.2 自编码网络实践148
7.4 本章小结151
第8章 自然语言文本处理
8.1 自然语言文本处理简介152
8.1.1 处理模型的选择152
8.1.2 文本映射153
8.1.3 TensorFlow文本处理的一般步骤156
8.2 学写唐诗157
8.2.1 数据预处理157
8.2.2 生成训练模型158
8.2.3 评估模型160
8.3 智能影评分类163
8.3.1 CBOW嵌套模型163
8.3.2 构建影评分类模型167
8.3.3 训练评估影评分类模型169
8.4 智能聊天机器人170
8.4.1 Attention机制的Seq2Seq模型170
8.4.2 数据预处理173
8.4.3 构建智能聊天机器人模型174
8.4.4 训练模型177
8.4.5 评估模型179
8.5 本章小结180
第9章 语音处理
9.1 语音处理简介181
9.1.1 语音识别模型181
9.1.2 语音合成模型183
9.2 听懂数字183
9.2.1 数据预处理184
9.2.2 构建识别模型185
9.2.3 训练模型185
9.2.4 评估模型185
9.3 听懂中文185
9.3.1 数据预处理186
9.3.2 构建识别模型188
9.3.3 训练模型191
9.3.4 评估模型191
9.4 语音合成192
9.4.1 Tacotron模型192
9.4.2 编码器模块193
9.4.3 解码器模块196
9.4.4 后处理模块197
9.5 本章小结197
第10章 图像处理
10.1 机器学习的图像处理简介198
10.1.1 图像修复198
10.1.2 图像物体识别与检测199
10.1.3 图像问答201
10.2 图像物体识别201
10.2.1 数据预处理201
10.2.2 生成训练模型203
10.2.3 训练模型205
10.2.4 评估模型206
10.3.1 验证码的生成208
10.3.2 数据预处理209
10.3.3 生成训练模型211
10.3.4 训练模型212
10.3.5 评估模型213
10.4 图像物体检测214
10.4.1 物体检测系统214
10.4.2 物体检测系统实践215
10.5 看图说话217
10.5.1 看图说话原理218
10.5.2 看图说话模型的构建218
10.5.3 看图说话模型的训练220
10.5.4 评估模型221
10.6 本章小结222
第11章 人脸识别
11.1 人脸识别简介223
11.1.1 人脸图像采集223
11.1.2 人脸检测224
11.1.3 人脸图像预处理224
11.1.4 人脸关键点检测224
11.1.5 人脸特征提取224
11.1.6 人脸比对225
11.1.7 人脸属性检测225
11.2 人脸验证225
11.2.1 数据预处理226
11.2.2 运行FaceNet模型226
11.2.3 实现人脸验证229
11.3 性别和年龄的识别231
11.3.1 Adience数据集231
11.3.2 数据预处理232
11.3.3 生成训练模型233
11.3.4 训练模型235
11.3.5 评估模型236
11.4 本章小结237
Python+TensorFlow机器学习实战下载地址
Python+TensorFlow机器学习实战PDF下载，Python+TensorFlow机器学习实战电子书免费下载
https://pan.quark.cn/s/df0959a03265关注下方公众号【程序员李木子】，发送【919244】获取网盘密码
蓝奏云
如链接失效，备用地址请到公众号【程序员李木子】，发送【919244】获取
更多书籍