TensorFlow基础

官网

https://www.tensorflow.org/

ML基础

欠拟合

样本不够或算法不精，测设样本特质未学到

拟合完美

恰当地拟合测试数据，泛化能力强

过拟合

定义：算法过于贴合数据

如何解决过拟合:降低数据量、正则化、Dropout(减少神经网络)

why DL

DL前提

大数据、强计算（如云计算）、复杂模型（隐藏层越多越好）

DL的三个阶段

输入层：不同的参数设置

隐藏层：调整参数权重、模型的调整

输出层：输出结果与预期比较

简介

google开源的基于数据流图的科学计算库，适用于机器学习
跨平台、多语言支持、速度快
tensorflow和numpy有很多类似的概念和API

Tensorflow详细架构

第一个TensorFlow程序

# -*- coding: UTF-8 -*-

# 引入 TensorFlow 库
import tensorflow as tf

# 创建一个常量 Operation（操作）
hw = tf.constant("Hello World! I love TensorFlow!")

# 启动一个 TensorFlow 的 Session（会话）
sess = tf.Session()

# 运行 Graph（计算图）
print sess.run(hw)

# 关闭 Session（会话）
sess.close()

# output:Hello World! I love TensorFlow!

TensorFlow基础模型

数据模型：Tensor(张量)

计算模型：Graph(图) 由Tensor和Flow组成

运行模型：Session(会话)

TensorFlow程序流程

1.定义算法的计算图（Graph）结构

2.使用会话（Session）执行计算

Tensor的概念

tensor类型

Constant(常量)
Variable(变量)
Placeholder
SparseTensor

tensor属性

device
dtype
graph
name
op
shape
value_index