tensorflow_cookbook
1.0.0
================
建てる：
================
この章では、Tensorflowで主要なオブジェクトと概念を紹介する予定です。また、本の残りの部分のデータにアクセスする方法を紹介し、Tensorflowについて学ぶための追加のリソースを提供します。
Tensorflowで基本的なオブジェクトと方法を確立した後、Tensorflowアルゴリズムを構成するコンポーネントを確立する必要があります。まず、計算グラフを導入してから、損失関数に移動し、伝播を逆伝播します。単純な分類器を作成し、回帰および分類アルゴリズムを評価する例を示します。
ここでは、Tensorflowにさまざまな線形回帰技術を実装する方法を示します。最初の2つのセクションでは、Tensorflowで標準のマトリックス線形回帰解決方法を示しています。残りの6つのセクションは、Tensorflowの計算グラフを使用してさまざまなタイプの回帰を実装する方法を示しています。
この章では、Tensorflowを使用してさまざまなSVMメソッドを実装する方法を示します。まず、線形SVMを作成し、回帰にどのように使用できるかを示します。次に、カーネル（RBFガウスカーネル）を導入し、それを使用して非線形データを分割する方法を示します。複数のクラスで動作するために、非線形SVMの多次元実装で終了します。
最も人気のあるMLアルゴリズムです。 k-nearest Neighbors、重み付けされたK-nearest Neighbors、およびk-nearest Neighborsを混合した距離関数を実装する方法を示します。この章では、TensorflowでLevenshtein距離（編集距離）を使用する方法も示し、それを使用して文字列間の距離を計算します。この章では、MNISTの手書きの数字認識でカテゴリの予測にK-nearest Neighborsを使用する方法を示します。
ニューラルネットワークは、以前の未解決の問題の主要なブレークスルーにより、機械学習と人気の成長において非常に重要です。非常に強力で、以前のMLアルゴリズムの結果を改善するのに役立つ「浅い」ニューラルネットワークを導入することから始めなければなりません。まず、非常に基本的なNNユニットである運用ゲートを導入することから始めます。私たちは徐々にニューラルネットワークにますます多くを追加し、TIC-TAC-Toeをプレイするモデルをトレーニングすることで終わります。
Natural Language Processing（NLP）は、テキスト情報を数値の要約、機能、またはモデルに処理する方法です。この章では、Tensorflowでテキストを最もよく扱う方法を動機付け、説明します。古典的な「袋の袋」を実装する方法を示し、手元の問題に基づいてテキストを埋め込むより良い方法があるかもしれないことを示します。 word2vec（cbow and skip-gram）とdoc2vecと呼ばれるニューラルネットワーク埋め込みがあります。これらすべてをTensorflowで実装する方法を示します。
畳み込みニューラルネットワーク（CNNS）は、ニューラルネットワークに画像データを処理する方法です。 CNNは、画像のあらゆる部分のパターンを認識して、より大きな画像に固定サイズフィルターを適用する畳み込みレイヤーの使用から名前を導き出します。 Tensorflowで実装する方法を示す、それらが使用する他の多くのツール（最大プール、ドロップアウトなど）があります。また、既存のアーキテクチャを再訓練し、StylenetとDeep DreamでCNNをさらに進める方法を示します。
再発性ニューラルネットワーク（RNN）は、ネットワークの以前の状態に依存する「再発」接続またはループを許可することを除いて、通常のニューラルネットワークに非常に似ています。これにより、RNNはシーケンシャルデータを効率的に処理できますが、他のタイプのネットワークはできません。次に、通常のRNN問題に対処する方法として、LSTM（長期的なメモリ）ネットワークの使用を動機付けます。次に、これらのRNNタイプをTensorflowに実装するのがどれほど簡単かを示します。
もちろん、機械学習モデルを作成してフィットするだけでなく、Tensorflowには多くのことがあります。使用したいモデルができたら、生産の使用に向けて移動する必要があります。この章では、複数のプロセッサを使用して、複数のマシン（Tensorflow分散）を使用して、複数のプロセッサを使用して、単体テストを実装するヒントと例を示し、完全な生産例で仕上げます。
汎用性のあるTensorflowがどれほど汎用性があるかを説明するために、この章では追加の例を示します。ロギング/視覚化ツールテンソルボードの使用方法を示すことから始めます。次に、K-Meansクラスタリングの実行方法、遺伝的アルゴリズムの使用、ODESシステムの解決方法を説明します。
