官网
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