tensorflow学习笔记（1）------北京大学 曹健

tensorflow学习笔记（1）

0 环境搭建

tensorfolw的环境搭建（anaconda版，一步到位）

视频里环境搭建过程很详细，就不细说了。(视频中也有配置视频，链接在文末)
另外，本笔记只是我记忆难记的地方写的，不喜勿喷。
课程环境（python3.7 、tensorfow2.1）

1.1 梯度下降公式

lr为学习率，w为权重。（lr太小，参数更新很慢；lr太大，会在最小的损失值左右摆动）

代码1.1

反向传播，梯度下降，使损失函数减小的过程，权重更新的过程。

import tensorflow as tf
w = tf.Variable(tf.constant(5, dtype=tf.float32))
Ir = 0.2
epoch = 40


for epoch in range(epoch):
    with tf.GradientTape() as tape:
        loss = tf.square(w+1)
    grads = tape.gradient(loss, w)  # 求梯度

    w.assign_sub(Ir * grads)  # w = w - Ir(0.2) * grads(12)
    print("After %s epoch, w is %f, loss is %f" % (epoch, w.numpy(), loss))

tf.Varable 创建一个可训练的张量
tf.GradienTape()函数可以实现某个函数对某个参数求导的过程。（相当于高中数学老师对你们说的，y对x求导的过程）

1.2 张量

1.3 常用函数

1.4 常用函数2

enumerate() 枚举
通常用在：

seq = ["aaa", "bbb", "ccc"]
for i, element in enumerate(seq):
    print(i, element)

运行结果：

也就是元素的索引和元素相对应着输出，在后面深度学习中，经常用在选取某目标的识别准确率的选取上。

tf.nn.softmax()
概率分布，通过该函数确定3分类问题中各个分类的可能性，并且三个类别可能性相加为1.（3类是举例，其实几类都行，这里有点像高中概率问题）

这个是上面代码1.1里w公式的函数

tf.argmax(张量名，axis = 操作轴)
返回列表中最大值的索引