文件名称：Hands-On-Machine-Learning-with-TensorFlow.js.:Packt发行的《使用TensorFlow.js进行机器学习》
文件大小：356KB
文件格式：ZIP
更新时间：2024-05-22 07:38:56
TypeScript
使用TensorFlow.js进行机器学习 这是Packt发布的进行的代码库。 使用TensorFlow.js库构建与Web技术集成的ML应用程序的指南 这本书是关于什么的？ TensorFlow.js是一个框架，使您可以创建可在Web浏览器中平稳运行的高性能机器学习（ML）应用程序。 通过这本书，您将学习如何通过基于示例的方法使用TensorFlow.js来实现各种ML模型。 从基础开始，您将了解如何在Web上构建ML模型。 继续前进，您将掌握TensorFlow.js生态系统，以更高效地开发应用程序。 然后，这本书将指导您实现ML技术和算法，例如回归，聚类，快速傅立叶变换（FFT）和降维。 稍后，您将介绍Bellman方程，以解决Markov决策过程（MDP）问题，并了解它与强化学习的关系。 最后，您将探索使用TensorFlow Core部署基于ML的Web应用程序和培训模型的
【文件预览】：
Hands-On-Machine-Learning-with-TensorFlow.js.-master
----Chapter07()
--------fft.html(536B)
--------fft.ts(3KB)
----Chapter03()
--------sketch-rnn.ts(1KB)
--------randomforest-mljs.html(380B)
--------mobilenet.html(478B)
--------data-load.html(384B)
--------randomforest-mljs.ts(588B)
--------data-load.ts(471B)
--------mobilenet.ts(522B)
--------sketch-rnn.html(419B)
--------cat.jpg(101KB)
----Chapter08()
--------pca-mnist.ts(4KB)
--------sequence_utils.ts(2KB)
--------pca.ts(3KB)
--------imdb.ts(5KB)
--------embedding_util.ts(4KB)
--------embedding.html(498B)
--------embedding.ts(1KB)
--------pca.html(543B)
--------mnist.ts(5KB)
----Chapter06()
--------clustering.html(557B)
--------kmeans.ts(1KB)
--------clustering.ts(6KB)
----Chapter05()
--------logistic-regression-mljs.ts(4KB)
--------logistic-regression.html(545B)
--------logistic-regression-layers.html(552B)
--------logistic-regression-layers.ts(4KB)
--------logistic-regression-mljs.html(550B)
--------logistic-regression.ts(4KB)
----Chapter09()
--------utils.ts(1KB)
--------bellman-equation.html(468B)
--------ui.ts(13KB)
--------index.html(800B)
--------bellman-equation.ts(4KB)
--------cart_pole.ts(4KB)
--------index.ts(15KB)
----LICENSE(1KB)
----benchmarks()
--------node_perf.csv(2KB)
--------tfjs-benchmark.csv(4KB)
--------tfjs-node-benchmark.csv(3KB)
----Chapter04()
--------base-line.ts(1KB)
--------polynomial-regression.html(513B)
--------polynomial-regression.ts(3KB)
--------base-line.html(479B)
----Chapter11()
--------backend.html(379B)
--------visualize.ts(1KB)
--------cpu_perf.csv(2KB)
--------webgl_perf.csv(2KB)
--------performance.ts(645B)
--------visualize.html(353B)
--------memory-management.ts(412B)
--------memory-management.html(365B)
--------performance.html(369B)
--------backend.ts(254B)
----Chapter12()
--------tfjs-electron-app()
--------TensorFlowJSApp()
--------wasm.ts(536B)
--------wasm.html(376B)
----Chapter10()
--------performance.ts(510B)
--------webpack-demo()
--------benchmarks()
--------parcel-demo()
--------hello.ts(480B)
----README.md(5KB)