TensorFlow机器学习实用指南

　　由谷歌开发的TensorFlow 2.x是一个用于机器学习的端到端的开源平台，它拥有一个由工具、库和社区资源组成的、全面的、灵活的生态系统，可以让研究人员推动最先进的机器学习（ML）的发展，让开发人员轻松地构建和部署由ML驱动的应用程序。

暂缺《TensorFlow机器学习实用指南》作者简介

 
第1章TensorFlow 2.x入门
1.1 TensorFlow如何工作.
1.2声明变量和张量
1.3 使用 eager execution
1.4 使用矩阵
1.5 声明操作*
1.6使用激活函数
1.7 使用数据源
1.8 其他资源
第2章 TensorFlow操作
2.1 使用 eager execution 的操作
2.2 分层嵌套操作
2.3 使用多个层
2.4实现损失函数
2.5 实现反向传播
2.6 使用批量和随机训练
2.7 结合所有内容
第3章 Keras 
3.1 概述..
3.2 理解Keras层
3.3 使用 Keras Sequential API
3.4 使用Keras Functional API
3.5 使用Keras SubclassingAPI
3.6使用Keras Preprocessing API .
第4章 线性回归
4.1 学习利用 TensorFlow 进行线性回归
4.2 将 Keras模型转化为Estimato
4.3 理解线性回归中的损失函数
4.4 实现Lasso和 Ridge回归
4.5实现逻辑回归
4.6 诉诸非线性解决方案.
4.7 使用 Wide & Deep模型..
第5章 增强树
第6章 神经网络
6.1 实现操作门
6.2 使用门和激活函数.
6.3 使用单层神经网络
6.4 实现不同的层
6.5 使用多层网络
6.6 改进线性模型的预测
6.7 学习玩 Tic-Tac-Toe游戏
第7章 使用表格数据进行预测
7.1处理数值数据
7.2 处理日期
7.3 处理分类数据
7.4 处理序列数据
7.5处理高基数分类数据
7.6 连接所有操作
7.7 建立一个数据生成器
7.8 为表格数据创建自定义激活
7.9 对难题进行测试
第8章 卷积神经网络
8.1介绍
8.2 实现简单的CNN
8.3 实现先进的CNN
8.4 重新训练现有的CNN模型
8.5 应用 StyleNet和神经式项目
8.6 实现 DeepDream
第9章 递归神经网络
9.1 文本生成
……
第10章 Transformer
第11章 使用TensorFlow 和TF-Agent进行强化学习
第12章 TensorFlow的应用