Building Machine Learning Projects with TensorFlow 免积分下载

最新推荐文章于 2025-08-25 13:51:51 发布

转载最新推荐文章于 2025-08-25 13:51:51 发布 · 130 阅读

CC 4.0 BY-SA版权

原文链接：https://my.oschina.net/u/3070312/blog/2997555

本书通过13个实战项目和4个实例，教授如何在生产环境中高效应用TensorFlow进行数值计算，涵盖模型训练、机器学习、深度学习及神经网络应用。项目涉及数据处理、分类、回归、图像标记及特征检测等，适合希望深入了解TensorFlow实践的读者。

部署运行你感兴趣的模型镜像

关键的特点厌倦了太多的理论对坦索弗洛？这本书是你需要的！13个坚实的项目和四个例子教你如何在生产中实现TensorFlow。本示例丰富的指南教您如何使用TensorFlow执行高精度和高效的数值计算，这是一个实用的、有条理的解释指南，允许您从一开始就应用TensorFlow的特性。本书强调了如何在不同的场景中使用TensorFlow--包括用于训练模型、机器学习、深度学习和使用各种神经网络的项目。每个项目提供令人兴奋和有洞察力的练习，这些练习将教您如何使用TensorFlow，并向您展示如何通过使用张量来探索数据层。只需选择一个与您的环境相一致的项目，并获得关于如何在生产中实现TensorFlow的大量信息。您将学习加载、交互、解剖、处理和保存复杂数据集，使用最先进的技术解决分类和回归问题，使用线性回归模型预测简单时间序列的结果使用Logistic回归方案来预测时间序列分类图像的未来结果，使用深度神经网络方案标记一组图像，并使用深神经网络检测特征，包括卷积神经网络(CNN)层利用递归神经网络(RNN)模型解决字符识别问题，作者Rodolfo Bonnin是阿根廷国立科技大学(Universidad Tecnologica Nacional)的系统工程师和博士生。他还在德国斯图加特大学学习并行编程和图像理解研究生课程。他从2005开始研究高性能计算，并于2008开始研究和实现卷积神经网络，编写了一个CPU和支持GPU的神经网络前馈阶段。

Chapter 1. Exploring and Transforming Data
Chapter 2. Clustering
Chapter 3. Linear Regression
Chapter 4. Logistic Regression
Chapter 5. Simple FeedForward Neural Networks
Chapter 6. Convolutional Neural Networks
Chapter 7. Recurrent Neural Networks and LSTM
Chapter 8. Deep Neural Networks
Chapter 9. Running Models at Scale – GPU and Serving

Chapter 10. Library Installation and Additional Tips