基于TensorFlow的深度学习 揭示数据隐含的奥秘pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

基于TensorFlow的深度学习 揭示数据隐含的奥秘PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 入门知识 1

1.1 TensorFlow安装 1

1.1.1 TensorFlow-主界面 1

1.1.2 TensorFlow-安装页面 1

1.1.3通过pip安装 1

1.1.4通过CoCalc安装 4

1.2简单计算 6

1.2.1定义标量和张量 6

1.2.2张量计算 7

1.2.3执行计算 7

1.2.4张量变量 8

1.2.5查看和替换中间值 9

1.3逻辑回归模型建模 10

1.3.1导入字体分类数据集 11

1.3.2逻辑回归分析 13

1.3.3数据准备 13

1.3.4构建TensorFlow模型 14

1.4逻辑回归模型训练 15

1.4.1编写损失函数 15

1.4.2训练模型 16

1.4.3评估模型精度 17

1.5小结 19

第2章 深度神经网络 20

2.1基本神经网络 20

2.1.1 log函数 21

2.1.2 sigmoid函数 22

2.2单隐层模型 23

2.2.1单隐层模型探讨 24

2.2.2反向传播算法 25

2.3单隐层模型解释 26

2.3.1理解模型权重 28

2.4多隐层模型 29

2.4.1多隐层模型探讨 30

2.5多隐层模型结果 32

2.5.1多隐层模型图理解 33

2.6小结 36

第3章 卷积神经网络 37

3.1卷积层激励 37

3.1.1多特征提取 40

3.2卷积层应用 41

3.2.1卷积层探讨 41

3.3池化层激励 46

3.3.1最大池化层 46

3.4池化层应用 49

3.5深度卷积神经网络 51

3.5.1添加卷积层和池化层组合 51

3.5.2应用卷积神经网络进行字体分类 53

3.6更深度卷积神经网络 57

3.6.1对卷积神经网络中的一层添加另一层 57

3.7整理总结深度卷积神经网络 60

3.8小结 64

第4章 递归神经网络 65

4.1递归神经网络探讨 65

4.1.1权重建模 66

4.1.2递归神经网络理解 67

4.2 TensorFlow Learn 70

4.2.1设置 71

4.2.2逻辑回归 72

4.3深度神经网络 73

4.3.1卷积神经网络在Learn中的应用 74

4.3.2权重提取 77

4.4小结 78

第5章 总结整理 79

5.1研究评价 79

5.2所有模型的快速回顾 80

5.2.1逻辑回归模型 80

5.2.2单隐层神经网络模型 81

5.2.3深度神经网络 83

5.2.4卷积神经网络 84

5.2.5深度卷积神经网络 85

5.3 TensorFlow的展望 87

5.3.1一些TensorFlow工程项目 88

5.4小结 90