人工智能入门

一、安装

tensorflow安装 https://blog.csdn.net/qq_33505204/article/details/81584257

pytorch安装命令参考https://pytorch.org

二、keras分类IMDB

1.参数

batch_size:算梯度下降的数据分支的大小

iterations:一个epoch中训练batch的次数，BP算法更新参数。

epochs:训练完全部样本一次

optimizer：优化算法

如何选择优化算法：https://www.cnblogs.com/guoyaohua/p/8542554.html

如果数据是稀疏的，就用自适应方法，即 Adagrad, Adadelta, RMSprop, Adam。

RMSprop, Adadelta, Adam 在很多情况下的效果是相似的。

Adam 就是在 RMSprop 的基础上加了 bias-correction 和 momentum，

随着梯度变的稀疏，Adam 比 RMSprop 效果会好。

整体来讲，Adam 是最好的选择。

很多论文里都会用 SGD，没有 momentum 等。SGD 虽然能达到极小值，但是比其它算法用的时间长，而且可能会被困在鞍点。

如果需要更快的收敛，或者是训练更深更复杂的神经网络，需要用一种自适应的算法。

 

model.compile (optimizer=Adam(lr=1e-4), loss=’binary_crossentropy’, metrics=[‘accuracy’])

原文https://blog.csdn.net/WWWWWWGJ/article/details/86409329

optimizer：优化器，如Adamx

loss：计算损失，这里用的是交叉熵损失

metrics: 列表，包含评估模型在训练和测试时的性能的指标，典型用法是metrics=[‘accuracy’]。如果要在多输出模型中为不同的输出指定不同的指标，可向该参数传递一个字典，例如metrics={‘output_a’: ‘accuracy’}