TensorFlow 1.x Deep Learning Cookbook 原英文版电子书+配套代码

【实例简介】
TensorFlow 1.x Deep Learning Cookbook 原版电子书 配套代码！
【实例截图】
【核心代码】
TensorFlow_1.x_Deep_Learning_Cookbook
├── TensorFlow 1.x Deep Learning Cookbook_Code
│   ├── Chapter01
│   │   ├── add_two.py
│   │   ├── add_two_vectors.py
│   │   ├── matrix_manipulations_2.py
│   │   ├── matrix_manuipulations.py
│   │   ├── Selecting_devices.py
│   │   ├── Tensorflow_ An Introduction
│   │   ├── tf_upgrade.py
│   │   └── validate_tensorflow.py
│   ├── Chapter02
│   │   ├── boston_housing.csv
│   │   ├── MNIST Softmax.ipynb
│   │   ├── MultiLinearRegressor.ipynb
│   │   ├── Multiple_linear_regression.py
│   │   ├── Reading_csv_preprocessing.py
│   │   ├── Regression
│   │   └── Simple_linear_regression.py
│   ├── Chapter03
│   │   ├── Activation_functions.ipynb
│   │   ├── Boston_House_Price_Prediction_MLP.ipynb
│   │   ├── Boston_House_Price_Prediction_MLP_with_Keras_Hyperparameter_Tuning.ipynb
│   │   ├── Boston_House_Price_Prediction_MLP_with_Keras.ipynb
│   │   ├── MNIST_ReLU_cross_entropy.py
│   │   ├── MNIST_with_BPN_hard_way.py
│   │   ├── Readme.md
│   │   └── Single_Layer_Perceptron.ipynb
│   ├── Chapter04
│   │   ├── ARTISTIC_STYLE.ipynb
│   │   ├── CIFAR_CNN_TLEARN.ipynb
│   │   ├── CNN_MINST.ipynb
│   │   ├── DEEP_DREAM.ipynb
│   │   ├── README.md
│   │   └── VGG16_TFLEARN.ipynb
│   ├── Chapter05
│   │   ├── Classifying images with VGGNet, ResNet, Inception, and Xception.ipynb
│   │   ├── FULL_labelencoder_trainval.pkl
│   │   ├── FULL_labelencoder_trainval.pkl_01.npy
│   │   ├── images
│   │   │   ├── cropped_panda.jpg
│   │   │   ├── girl1.jpg
│   │   │   ├── imagenet_inception_module.png
│   │   │   ├── imagenet_resnet_identity.png
│   │   │   ├── imagenet_resnet_residual.png
│   │   │   ├── imagenet_vggnet_table1.png
│   │   │   ├── imagenet_xception_flow.png
│   │   │   ├── incredible-hulk-180.jpg
│   │   │   ├── parrot_cropped1.jpg
│   │   │   ├── parrot.jpg
│   │   │   ├── space-shuttle1.jpg
│   │   │   ├── space-shuttle2.jpg
│   │   │   ├── space-shuttle3.jpg
│   │   │   └── space-shuttle4.jpg
│   │   ├── IMDB_1DCNN.ipynb
│   │   ├── MNIST_data
│   │   │   ├── t10k-images-idx3-ubyte.gz
│   │   │   ├── t10k-labels-idx1-ubyte.gz
│   │   │   ├── train-images-idx3-ubyte.gz
│   │   │   └── train-labels-idx1-ubyte.gz
│   │   ├── nsynth
│   │   │   ├── 213259__maurolupo__girl-sings-laa.wav
│   │   │   ├── 395058__mustardplug__breakbeat-hiphop-a4-4bar-96bpm.wav
│   │   │   ├── 395058__mustardplug__breakbeat-hiphop-a4-4bar-96bpm.wav.npy
│   │   │   ├── Exploring_Neural_Audio_Synthesis_with_NSynth.ipynb
│   │   │   ├── gen_213259__maurolupo__girl-sings-laa.wav
│   │   │   ├── gen_395058__mustardplug__breakbeat-hiphop-a4-4bar-96bpm.wav
│   │   │   ├── model.ckpt-200000.index
│   │   │   └── model.ckpt-200000.meta
│   │   ├── README.md
│   │   ├── SENTIMENT_ANALYSIS_TFLEARN.ipynb
│   │   ├── VGG16_KERAS_VIS_INSPECTION.ipynb
│   │   ├── VISUALIZE_TENSORBOARD.ipynb
│   │   └── Visual Q&A.ipynb
│   ├── Chapter06
│   │   ├── char_idx.pickle
│   │   ├── checkpoint
│   │   ├── shakespeare_input.txt
│   │   ├── shakespeare.ipynb
│   │   └── shakespeare.py
│   ├── Chapter07
│   │   ├── colors.csv
│   │   ├── K-Means Clustering Iris Dataset.ipynb
│   │   ├── PCA_tensorflow.ipynb
│   │   ├── rbm.py
│   │   ├── Readme.md
│   │   ├── Restricted_boltzmann_Machines_MNIST.ipynb
│   │   ├── Restricted_boltzmann_Machines_Recommender_System.ipynb
│   │   ├── Self_Organized_Maps.ipynb
│   │   └── Tensorflow_PCA_embeddings.py
│   ├── Chapter08
│   │   ├── Autoencoder_image_reconstruction.ipynb
│   │   ├── Convolutional_Autoencoder.ipynb
│   │   ├── Denoising_Autoencoder.ipynb
│   │   ├── Readme.md
│   │   ├── Sparse_Autoencoder.ipynb
│   │   └── Stacked_DenoisingAutoencoder_Pretraining.ipynb
│   ├── Chapter09
│   │   ├── dqn_atari.py
│   │   ├── nn_random_agent.py
│   │   ├── OpenAI_gym.py
│   │   ├── policy_gradients_pong.py
│   │   ├── Q_learning_cartpole.py
│   │   └── readme.md
│   ├── README.txt
│   └── Software and hardware list.pdf
└── TensorFlow 1.x Deep Learning Cookbook.pdf

13 directories, 93 files