基于TensorFlow的深度学习 揭示数据隐含的奥秘2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

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

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 Learn70

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