TensorFlow深度学习从入门到进阶

《TensorFlow深度学习从入门到进阶》以TensorFlow为主线进行讲解，书中每章节都以理论引出，以TensorFlow应用巩固结束，理论与实践相结合，让读者快速掌握TensorFlow机器学习。《TensorFlow深度学习从入门到进阶》共11章，主要包括TensorFlow与深度网络、TensorFlow编程基础、TensorFlow编程进阶、线性回归、逻辑回归、聚类分析、神经网络算法、卷积神经网络、循环神经网络、其他网络、机器学习综合实战等内容。

这是一本以TensorFlow为主线进行讲解的深度学习教材。全书共11章，内容涵盖了TensorFlow与深度网络、TensorFlow编程基础、TensorFlow编程进阶、线性回归、逻辑回归、聚类分析、神经网络算法、卷积神经网络、循环神经网络、其他网络、机器学习综合实战等内容。 全书以理论引出，以TensorFlow应用巩固结束，理论与实践相结合，让读者快速掌握TensorFlow机器学习。其中，TensorFlow的简介与由来、线性回归算法的重要性、逻辑回归的概念和核心思想、激励函数的用途与重要性、卷积神经网络概述、循环神经网络的基本原理、自编码网络的结构与功能、对抗神经网络的基本原理、神经网络算法的基本概念和特点、条件变分自编码器原理、聚类分析的传统计算方法、支持向量机概述与原理、卷积神经网络在房价预测中的应用等关键内容点，都是本书的重点内容。 在TensorFlow编程基础章节中，作者详细讲解了张量、图、会话、变量的概念，以及矩阵操作、数据读取的方式。在TensorFlow编程进阶章节中，作者深入讲解了队列与线程、嵌入Layer、生成随机图片数据、神经网络、损失函数、梯度