。。。

。。。

譯者序
作者簡介
審校者簡介
前言
第1章 TensorFlow基礎
1.1 TensorFlow介紹
1.2 TensorFlow如何工作
1.3 聲明張量
1.4 使用占位符和變量
1.5 操作（計算）矩陣
1.6 聲明操作
1.7 實現激勵函數
1.8 讀取數據源
1.9 學習資料
第2章 TensorFlow進階
2.1 本章概要
2.2 計算圖中的操作
2.3 TensorFlow的嵌入Layer
2.4 TensorFlow的多層Layer
2.5 TensorFlow實現損失函數
2.6 TensorFlow實現反向傳播
2.7 TensorFlow實現隨機訓練和批量訓練
2.8 TensorFlow實現創建分類器
2.9 TensorFlow實現模型評估
第3章 基於TensorFlow的線性回歸
3.1 線性回歸介紹
3.2 用TensorFlow求逆矩陣
3.3 用TensorFlow實現矩陣分解
3.4 用TensorFlow實現線性回歸算法
3.5 理解線性回歸中的損失函數
3.6 用TensorFlow實現戴明回歸算法
3.7 用TensorFlow實現lasso回歸和嶺回歸算法
3.8 用TensorFlow實現彈性網絡回歸算法
3.9 用TensorFlow實現邏輯回歸算法
第4章 基於TensorFlow的支持向量機
4.1 支持向量機簡介
4.2 線性支持向量機的使用
4.3 弱化為線性回歸
4.4 TensorFlow上核函數的使用
4.5 用TensorFlow實現非線性支持向量機
4.6 用TensorFlow實現多類支持向量機
第5章 *近鄰域法
5.1 *近鄰域法介紹
5.2 *近鄰域法的使用
5.3 如何度量文本距離
5.4 用TensorFlow實現混合距離計算
5.5 用TensorFlow實現地址匹配
5.6 用TensorFlow實現圖像識別
第6章 神經網絡算法
6.1 神經網絡算法基礎

。。。