TensorFlow 机器学习 Cookbook

About: TensorFlow 机器学习 Cookbook

documentation tensorflow 0.1.0
0: Livre de recettes d'apprentissage automatique TensorFlow (version: 0.1.0)
1: Comment fonctionne TensorFlow
15: déclaration des variables et des tenseurs
30: utiliser des espaces réservés et des variables



38: Matrice
54: déclaration d'opérateur
62: fonction d'activation de la charge
72: Ressources de données
83: Bibliothèque de ressources
89: modules d'apprentissage dans ce chapitre
100: graphique de calcul
101: Opérations d'imbrication hiérarchique
102: Fonctionnement multicouche
103: Fonction de perte de charge
104: Rétropropagation de la charge
105: Formation aléatoire et par lots
106: entraînement combiné
107: Évaluation du modèle
108: Modules d'apprentissage dans ce chapitre
111: Transposition matricielle
112: Factorisation matricielle
113: Régression linéaire de TensorFlow
114: Fonction de perte pour la régression linéaire
115: Retour Deming (retour complet)
116: Régression Lasso et Régression Ridge
117: Le retour d'Elastic Net
118: Régression logistique
119: Modules d'apprentissage dans ce chapitre
122: Présentation
123: Machine à vecteur de support linéaire
124: régression linéaire régression
125: Noyau dans TensorFlow
126: Machine à vecteur de support non linéaire
127: Machine à vecteurs de support multi-classes
128: Modules d'apprentissage dans ce chapitre
131: Présentation
132: Utilisation de la méthode du voisin le plus proche
133: Fonction de distance du texte
134: Calculer la fonction de distance mixte
135: correspondance d'adresse
136: Méthode du voisin proche pour le traitement de l'image
137: Modules d'apprentissage dans ce chapitre
140: Présentation
141: Porte de chargement
142: Fonctionnement du portail et fonction d'activation
143: Charger une couche de réseau neuronal
144: Charger un réseau neuronal multicouche
145: utiliser un réseau neuronal multicouche
146: Amélioration de la prédiction du modèle linéaire
147: Apprentissage du réseau neuronal Tic-Tac-Toe
148: Modules d'apprentissage dans ce chapitre
151: Présentation
152: Sac de mots
153: Fréquence de terme - Fréquence de texte inverse (TF-IDF)
154: Utiliser Skip-Gram
155: CBOW (Sac continu de mots)
156: Exemple d'application Word2Vec
157: Analyse des sentiments Doc2Vec
158: Apprentissage du réseau neuronal Tic-Tac-Toe
159: Modules d'apprentissage dans ce chapitre
162: Présentation
163: CNN simples
164: CNN avancés
165: Recycler une architecture existante
166: Utilisez Stylenet / Neural-Style
167: Utilisation de Deep Dream
168: Présentation
169: Modèle de réseau neuronal convolutif pour la détection de spam
170: modèle LSTM pour la génération de texte
171: LSTM multicouche empilé
172: Créer une traduction de modèle de segment à segment (Seq2Seq)
173: Entraînement à la mesure de similitude siamoise
174: test unitaire
175: Utiliser plusieurs actionneurs (appareils)
176: Parallélisation TensorFlow
177: Conseils de développement TensorFlow
178: exemple de développement TensorFlow
179: Visualisation de graphes de calcul (à l'aide de Tensorboard)
180: algorithme génétique
181: Analyse de cluster K-means
182: Résoudre les équations différentielles ordinaires du système
183: Forêt aléatoire
184: Keras dans TensorFlow