第1章 TensorFlow基础

1.1 简介

1.2 TensorFlow如何工作

1.2.1 开始

1.2.2 动手做

1.2.3 工作原理

1.2.4 参考

1.3 声明变量和张量

1.3.1 开始

1.3.2 动手做

1.3.3 工作原理

1.3.4 延伸学习

1.4 使用占位符和变量

1.4.1 开始

1.4.2 动手做

1.4.3 工作原理

1.4.4 延伸学习

1.5 操作（计算）矩阵

1.5.1 开始

1.5.2 动手做

1.5.3 工作原理

1.6 声明操作

1.6.1 开始

1.6.2 动手做

1.6.3 工作原理

1.6.4 延伸学习

1.7 实现激励函数

1.7.1 开始

1.7.2 动手做

1.7.3 工作原理

1.7.4 延伸学习

1.8 读取数据源

1.8.1 开始

1.8.2 动手做

1.8.3 工作原理

1.8.4 参考

1.9 其他资源

1.9.1 开始

1.9.2 动手做

第2章 TensorFlow进阶

2.1 简介

2.2 计算图中的操作

2.2.1 开始

2.2.2 动手做

2.2.3 工作原理

2.3 TensorFlow的嵌入Layer

2.3.1 开始

2.3.2 动手做

2.3.3 工作原理

2.3.4 延伸学习

2.4 TensorFlow的多层Layer

2.4.1 开始

2.4.2 动手做

2.4.3 工作原理

2.5 TensorFlow实现损失函数

2.5.1 开始

2.5.2 动手做

2.5.3 工作原理

2.5.4 延伸学习

2.6 TensorFlow实现反向传播

2.6.1 开始

2.6.2 动手做

2.6.3 工作原理

2.6.4 延伸学习

2.6.5 参考

2.7 TensorFlow实现批量训练和随机训练

2.7.1 开始

2.7.2 动手做

2.7.3 工作原理

2.7.4 延伸学习

2.8 TensorFlow实现创建分类器

2.8.1 开始

2.8.2 动手做

2.8.3 工作原理

2.8.4 延伸学习

2.8.5 参考

2.9 TensorFlow实现模型评估

2.9.1 开始

2.9.2 动手做

2.9.3 工作原理

第3章 基于TensorFlow的线性回归

3.1 简介

3.2 用TensorFlow求逆矩阵

3.2.1 开始

3.2.2 动手做

3.2.3 工作原理

3.3 用TensorFlow实现矩阵分解

3.3.1 开始

3.3.2 动手做

3.3.3 工作原理

3.4 用TensorFlow实现线性回归算法

3.4.1 开始

3.4.2 动手做

3.4.3 工作原理

3.5 理解线性回归中的损失函数

3.5.1 开始

3.5.2 动手做

3.5.3 工作原理

3.5.4 延伸学习

3.6 用TensorFlow实现戴明回归算法

3.6.1 开始

3.6.2 动手做

3.6.3 工作原理

3.7 用TensorFlow实现lasso回归和岭回归算法

3.7.1 开始

3.7.2 动手做

3.7.3 工作原理

3.7.4 延伸学习

3.8 用TensorFlow实现弹性网络回归算法

3.8.1 开始

3.8.2 动手做

3.8.3 工作原理

3.9 用TensorFlow实现逻辑回归算法

3.9.1 开始

3.9.2 动手做

3.9.3 工作原理

第4章 基于TensorFlow的支持向量机

4.1 简介

4.2 线性支持向量机的使用

4.2.1 开始

4.2.2 动手做

4.2.3 工作原理

4.3 弱化为线性回归

4.3.1 开始

4.3.2 动手做

4.3.3 工作原理

4.4 TensorFlow上核函数的使用

4.4.1 开始

4.4.2 动手做

4.4.3 工作原理

4.4.4 延伸学习

4.5 用TensorFlow实现非线性支持向量机

4.5.1 开始

4.5.2 动手做

4.5.3 工作原理

4.6 用TensorFlow实现多类支持向量机

4.6.1 开始

4.6.2 动手做

4.6.3 工作原理

第5章 最近邻域法

5.1 简介

5.2 最近邻域法的使用

5.2.1 开始

5.2.2 动手做

5.2.3 工作原理

5.2.4 延伸学习

5.3 如何度量文本距离

5.3.1 开始

5.3.2 动手做

5.3.3 工作原理

5.3.4 延伸学习

5.4 用TensorFlow实现混合距离计算

5.4.1 开始

5.4.2 动手做

5.4.3 工作原理

5.4.4 延伸学习

5.5 用TensorFlow实现地址匹配

5.5.1 开始

5.5.2 动手做

5.5.3 工作原理

5.6 用TensorFlow实现图像识别

5.6.1 开始

5.6.2 动手做

5.6.3 工作原理

5.6.4 延伸学习

第6章 神经网络算法

6.1 简介

6.2 用TensorFlow实现门函数

6.2.1 开始

6.2.2 动手做

6.2.3 工作原理

6.3 使用门函数和激励函数

6.3.1 开始

6.3.2 动手做

6.3.3 工作原理

6.3.4 延伸学习

6.4 用TensorFlow实现单层神经网络

6.4.1 开始

6.4.2 动手做

6.4.3 工作原理

6.4.4 延伸学习

6.5 用TensorFlow实现神经网络常见层

6.5.1 开始

6.5.2 动手做

6.5.3 工作原理

6.6 用TensorFlow实现多层神经网络

6.6.1 开始

6.6.2 动手做

6.6.3 工作原理

6.7 线性预测模型的优化

6.7.1 开始

6.7.2 动手做

6.7.3 工作原理

6.8 用TensorFlow基于神经网络实现井字棋

6.8.1 开始

6.8.2 动手做

6.8.3 工作原理

第7章 自然语言处理

7.1 简介

7.2 词袋的使用

7.2.1 开始

7.2.2 动手做

7.2.3 工作原理

7.2.4 延伸学习

7.3 用TensorFlow实现TF－IDF算法

7.3.1 开始

7.3.2 动手做

7.3.3 工作原理

7.3.4 延伸学习

7.4 用TensorFlow实现skip－gram模型

7.4.1 开始

7.4.2 动手做

7.4.3 工作原理

7.4.4 延伸学习

7.5 用TensorFlow实现CBOW词嵌入模型

7.5.1 开始

7.5.2 动手做

7.5.3 工作原理

7.5.4 延伸学习

7.6 使用TensorFlow的Word2 Vec预测

7.6.1 开始

7.6.2 动手做

7.6.3 工作原理

7.6.4 延伸学习

7.7 用TensorFlow实现基于Doc2Vec的情感分析

7.7.1 开始

7.7.2 动手做

7.7.3 工作原理

第8章 卷积神经网络

8.1 简介

8.2 用TensorFlow实现简单的CNN

8.2.1 开始

8.2.2 动手做

8.2.3 工作原理

8.2.4 延伸学习

8.2.5 参考

8.3 用TensorFlow实现进阶的CNN

8.3.1 开始

8.3.2 动手做

8.3.3 工作原理

8.3.4 参考

8.4 再训练已有的CNN模型

8.4.1 开始

8.4.2 动手做

8.4.3 工作原理

8.4.4 参考

8.5 用TensorFlow实现图像风格迁移

8.5.1 开始

8.5.2 动手做

8.5.3 工作原理

8.5.4 参考

8.6 用TensorFlow实现DeepDream

8.6.1 开始

8.6.2 动手做

8.6.3 延伸学习

8.6.4 参考

第9章 循环神经网络

9.1 简介

9.2 用TensorFlow实现RNN模型进行垃圾邮件预测

9.2.1 开始

9.2.2 动手做

9.2.3 工作原理

9.2.4 延伸学习

9.3 用TensorFlow实现LSTM模型

9.3.1 开始

9.3.2 动手做

9.3.3 工作原理

9.3.4 延伸学习

9.4 TensorFlow堆叠多层LSTM

9.4.1 开始

9.4.2 动手做

9.4.3 工作原理

9.5 用TensorFlow实现Seq2Seq翻译模型

9.5.1 开始

9.5.2 动手做

9.5.3 工作原理

9.5.4 延伸学习

9.6 TensorFlow训练孪生RNN度量相似度

9.6.1 开始

9.6.2 动手做

9.6.3 延伸学习

第10章 TensorFlow产品化

10.1 简介

10.2 TensorFlow的单元测试

10.2.1 开始

10.2.2 工作原理

10.3 TensorFlow的多设备使用

10.3.1 开始

10.3.2 动手做

10.3.3 工作原理

10.3.4 延伸学习

10.4 分布式TensorFlow实践

10.4.1 开始

10.4.2 动手做

10.4.3 工作原理

10.5 TensorFlow产品化开发提示

10.5.1 开始

10.5.2 动手做

10.5.3 工作原理

10.6 TensorFlow产品化的实例

10.6.1 开始

10.6.2 动手做

10.6.3 工作原理

10.7 TensorFlow服务部署

10.7.1 开始

10.7.2 动手做

10.7.3 工作原理

10.7.4 延伸学习

第11章 TensorFlow的进阶应用

11.1 简介

11.2 TensorFlow可视化：Tensorboard

11.2.1 开始

11.2.2 动手做

11.2.3 延伸学习

11.3 用TensorFlow实现遗传算法

11.3.1 开始

11.3.2 动手做

11.3.3 工作原理

11.3.4 延伸学习

11.4 用TensorFlow实现k－means聚类算法

11.4.1 开始

11.4.2 动手做

11.4.3 延伸学习

11.5 用TensorFlow求解常微分方程组

11.5.1 开始

11.5.2 动手做

11.5.3 工作原理

11.5.4 参考

11.6 用TensorFlow实现随机森林算法

11.6.1 开始

11.6.2 动手做

11.6.3 工作原理

11.6.4 参考

11.7 将Keras作为TensorFlow API使用

11.7.1 开始

11.7.2 动手做

11.7.3 工作原理

11.7.4 参考