TensorFlow是一个开源机器学习库。本书从TensorFlow的基础开始介绍，涉及变量、矩阵和各种数据源。之后，针对使用TensorFlow线性回归技术的实践经验进行详细讲解。后续章节将在前文的基础上讲述神经网络、CNN、RNN和NLP等重要概念。

Nick McClure目前是位于华盛顿州西雅图的PayScale公司的不错数据科学家。 在此之前，他曾就职于Zillow和Caesar公司。他在蒙大拿大学和圣本笃学院和圣约翰大学获得应用数学学位。他热爱学习，致力于机器学习和人工智能研究。

译者序
作者简介
审校者简介
前言
章TensorFlow基础1
1.1TensorFlow介绍1
1.2TensorFlow如何工作1
1.2.1开始1
1.2.2动手做2
1.2.3工作原理3
1.2.4参考3
1.3声明张量3
1.3.1开始4
1.3.2动手做4
1.3.3工作原理5
1.3.4延伸学习5
1.4使用占位符和变量6
1.4.1开始6
1.4.2动手做6
1.4.3工作原理6
1.4.4延伸学习7
1.5操作（计算）矩阵7
1.5.1开始7
1.5.2动手做8
1.5.3工作原理9
1.6声明操作10
1.6.1开始10
1.6.2动手做10
1.6.3工作原理11
1.6.4延伸学习12
1.7实现激励函数12
1.7.1开始12
1.7.2动手做12
1.7.3工作原理13
1.7.4延伸学习13
1.8读取数据源14
1.8.1开始15
1.8.2动手做15
1.8.3参考18
1.9学习资料19
第2章TensorFlow进阶20
2.1本章概要20
2.2计算图中的操作20
2.2.1开始20
2.2.2动手做21
2.2.3工作原理21
2.3TensorFlow的嵌入Layer21
2.3.1开始21
2.3.2动手做22
2.3.3工作原理22
2.3.4延伸学习22
2.4TensorFlow的多层Layer23
2.4.1开始23
2.4.2动手做24
2.4.3工作原理25
2.5TensorFlow实现损失函数26
2.5.1开始26
2.5.2动手做26
2.5.3工作原理28
2.5.4延伸学习29
2.6TensorFlow实现反向传播30
2.6.1开始30
2.6.2动手做31
2.6.3工作原理33
2.6.4延伸学习34
2.6.5参考34
2.7TensorFlow实现随机训练和批量训练34
2.7.1开始35
2.7.2动手做35
2.7.3工作原理36
2.7.4延伸学习37
2.8TensorFlow实现创建分类器37
2.8.1开始37
2.8.2动手做37
2.8.3工作原理39
2.8.4延伸学习40
2.8.5参考40
2.9TensorFlow实现模型评估40
2.9.1开始40
2.9.2动手做41
2.9.3工作原理41
第3章基于TensorFlow的线性回归45
3.1线性回归介绍45
3.2用TensorFlow求逆矩阵45
3.2.1开始45
3.2.2动手做46
3.2.3工作原理47
3.3用TensorFlow实现矩阵分解47
3.3.1开始47
3.3.2动手做47
3.3.3工作原理48
3.4用TensorFlow实现线性回归算法49
3.4.1开始49
3.4.2动手做49
3.4.3工作原理52
3.5理解线性回归中的损失函数52
3.5.1开始52
3.5.2动手做52
3.5.3工作原理53
3.5.4延伸学习54
3.6用TensorFlow实现戴明回归算法55
3.6.1开始55
3.6.2动手做56
3.6.3工作原理57
3.7用TensorFlow实现lasso回归和岭回归算法58
3.7.1开始58
3.7.2动手做58
3.7.3工作原理59
3.7.4延伸学习59
3.8用TensorFlow实现弹性网络回归算法60
3.8.1开始60
3.8.2动手做60
3.8.3工作原理61
3.9用TensorFlow实现逻辑回归算法62
3.9.1开始62
3.9.2动手做62
3.9.3工作原理65
第4章基于TensorFlow的支持向量机66
4.1支持向量机简介66
4.2线性支持向量机的使用67
4.2.1开始67
4.2.2动手做68
4.2.3工作原理72
4.3弱化为线性回归72
4.3.1开始73
4.3.2动手做73
4.3.3工作原理76
4.4TensorFlow上核函数的使用77
4.4.1开始77
4.4.2动手做77
4.4.3工作原理81
4.4.4延伸学习82
4.5用TensorFlow实现非线性支持向量机82
4.5.1开始82
4.5.2动手做82
4.5.3工作原理84
4.6用TensorFlow实现多类支持向量机85
4.6.1开始85
4.6.2动手做86
4.6.3工作原理89
第5章最近邻域法90
5.1最近邻域法介绍90
5.2最近邻域法的使用91
5.2.1开始91
5.2.2动手做91
5.2.3工作原理94
5.2.4延伸学习94
5.3如何度量文本距离95
5.3.1开始95
5.3.2动手做95
5.3.3工作原理98
5.3.4延伸学习98
5.4用TensorFlow实现混合距离计算98
5.4.1开始98
5.4.2动手做98
5.4.3工作原理101
5.4.4延伸学习101
5.5用TensorFlow实现地址匹配101
5.5.1开始101
5.5.2动手做102
5.5.3工作原理104
5.6用TensorFlow实现图像识别105
5.6.1开始105
5.6.2动手做105
5.6.3工作原理108
5.6.4延伸学习108
第6章神经网络算法109
6.1神经网络算法基础109
6.2用TensorFlow实现门函数110
6.2.1开始110
6.2.2动手做111
6.2.3工作原理113
6.3使用门函数和激励函数113
6.3.1开始114
6.3.2动手做114
6.3.3工作原理116
6.3.4延伸学习117
6.4用TensorFlow实现单层神经网络117
6.4.1开始117
6.4.2动手做117
6.4.3工作原理119
6.4.4延伸学习119
6.5用TensorFlow实现神经网络常见层120
6.5.1开始120
6.5.2动手做121
6.5.3工作原理126
6.6用TensorFlow实现多层神经网络126
6.6.1开始126
6.6.2动手做126
6.6.3工作原理131
6.7线性预测模型的优化131
6.7.1开始131
6.7.2动手做131
6.7.3工作原理135
6.8用TensorFlow基于神经网络实现井字棋136
6.8.1开始136
6.8.2动手做137
6.8.3工作原理142
第7章自然语言处理143
7.1文本处理介绍
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Word2Vec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
第9章递归神经网络
0章TensorFlow产品化
1章TensorFlow的进阶应用