TensorFlow 机器学习 Cookbook

这是由 Packt 出版的《TensorFlow 机器学习 Cookbook》（https://www.packtpub.com/big-data-and-business-intelligence/tensorflow-machine-learning-cookbook?utm_source=github&utm_medium=repository&utm_content=9781786462169）的代码仓库。其中包含了从头到尾完成本书所需的所有支持性项目文件。

关于本书

TensorFlow 是一个用于机器智能的开源软件库。本书中的独立示例将教你如何使用 TensorFlow 进行复杂的数据计算，并帮助你比以往更深入地挖掘数据，获得更丰富的洞察。你将通过一系列关于模型训练、模型评估、情感分析、回归分析、聚类分析、人工神经网络和深度学习的示例进行实践——所有这些都基于 Google 的机器学习库 TensorFlow。

本书从 TensorFlow 库的基础知识开始，包括变量、矩阵以及各种数据源。随后，你将亲自动手实践使用 TensorFlow 进行线性回归的技术。接下来的章节将涵盖重要的高级概念，如神经网络、卷积神经网络（CNN）、循环神经网络（RNN）和自然语言处理（NLP）。

当你对 TensorFlow 生态系统已经熟悉并得心应手后，最后一章将向你展示如何将其部署到生产环境中。

使用说明与目录结构

所有代码都按文件夹组织。每个文件夹以数字开头，后跟应用名称。例如，“Chapter 03”。

代码示例如下：

import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
from sklearn import datasets
from tensorflow.python.framework import ops
ops.reset_default_graph()

软件要求：

Python 3，并安装以下 Python 库：TensorFlow、NumPy、Scikit-Learn、Requests 和 Jupyter。该代码兼容三大主流操作系统：Mac、Windows 和 Linux。运行这些脚本无需任何特殊硬件。

相关产品：

• TensorFlow 入门

• 使用 TensorFlow 进行深度学习 [视频]

• 使用 TensorFlow 构建机器学习系统 [视频]

建议与反馈

如果你有任何反馈或建议，请点击此处。

免费下载 PDF 版本

如果你已经购买了本书的纸质版或 Kindle 版，可以免费获取无 DRM 限制的 PDF 版本。
只需点击链接即可领取你的免费 PDF。

https://packt.link/free-ebook/9781786462169

TensorFlow Machine Learning Cookbook 快速上手指南

本指南基于《TensorFlow Machine Learning Cookbook》配套代码库，帮助开发者快速搭建环境并运行书中的机器学习示例。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：兼容 macOS、Windows 或 Linux。
• 硬件要求：无需特殊硬件，普通 CPU 即可运行书中脚本（若需加速可自选配置 GPU）。
• Python 版本：Python 3.x。
• 核心依赖库：
  • TensorFlow
  • NumPy
  • Scikit-Learn
  • Requests
  • Jupyter (用于运行笔记本示例)

国内加速建议：鉴于网络环境，建议使用清华或阿里镜像源安装 Python 依赖包，以提升下载速度。

安装步骤

1. 克隆项目代码

首先从 GitHub 获取源代码：

git clone https://github.com/PacktPublishing/TensorFlow-Machine-Learning-Cookbook.git
cd TensorFlow-Machine-Learning-Cookbook

2. 安装 Python 依赖

推荐使用 pip 配合国内镜像源一次性安装所有必要库：

# 使用清华大学镜像源安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow numpy scikit-learn requests jupyter matplotlib

注：如果您使用的是较新版本的 TensorFlow (2.x)，部分旧版代码可能需要调整导入方式，但本书主要基于 TensorFlow 1.x 风格编写（如使用 ops.reset_default_graph()）。如需完美复现书中所有细节，可指定安装 TensorFlow 1.15 版本：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple "tensorflow==1.15" numpy scikit-learn requests jupyter matplotlib

基本使用

代码按章节组织在编号文件夹中（例如 Chapter 03）。以下是一个典型的最小化运行示例，展示了如何初始化环境并导入核心库。

运行示例

进入任意章节目录（以第 3 章为例），创建或打开一个 Python 文件（如 test_run.py）或 Jupyter Notebook，输入以下代码：

import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
from sklearn import datasets
from tensorflow.python.framework import ops

# 重置默认计算图，确保环境干净
ops.reset_default_graph()

# 创建一个简单的会话来验证安装
sess = tf.Session()

# 打印验证信息
print("TensorFlow version:", tf.__version__)
print("Environment ready for Chapter recipes.")

执行代码

在终端中运行该脚本：

python test_run.py

或者启动 Jupyter Notebook 浏览交互式示例：

jupyter notebook

现在您可以按照书籍章节顺序，进入对应的文件夹探索线性回归、神经网络、CNN、RNN 及自然语言处理等实战食谱了。