Tf学习笔记


#1

开始学习和做作业啦,希望大家多多指导,一起进步,加油!:grin:


#2

Week 1

思考问题

1. 机器学习中,监督学习or非监督学习概念区分,应用场景调研?

监督学习:通过已有的训练样本(即已知数据以及其对应的输出)来训练,从而得到一个最优模型。样本有label,主要是学习得到一个特征空间到label的映射,如分类、回归等。 无监督学习:事先没有任何训练数据样本,需要直接对数据进行建模。样本没有label,主要是发现样本的内部结构,如聚类、降维、可视化等。 应用场景:监督学习效率高;有些情况无法提供训练数据样本或者提供训练数据样本的成本太高的话,我们就应该采取无监督学习;

2. 做机器学习项目,有哪些步骤?

抽象成数学问题、获取数据、特征预处理与特征选择、训练模型与调优、模型测试、模型融合、上线运行。

3. 深度学习,目前有哪些应用领域?

语音识别、图像处理、视频、自然语言处理、强化学习/机器人

4. 数据预处理,需要注意哪些?

数据缺失、数据冗余、数据错误、含有噪声、维度太高

5. tensorflow运行原理,架构有哪些核心点?

TensorFlow是用数据流图(data flow graphs)技术来进行数值计算的。用张量tensor表示数据;计算图graph表示任务;在会话session中执行context;通过变量维护状态;通过feed和fetch可以任意的操作(arbitrary operation)、赋值、获取数据


#3

Week 1

实践任务

a. 安装tensorflow环境,了解tensorflow⼯作基本原理,基础概念

安装成功测试:

b. 使⽤tf计算下⾯算式的值:x=2 ,y=3,z=7 求解:res=x*y+z的结果

实验代码

 import tensorflow as tf
 x=tf.constant(2)
 y=tf.constant(3)
 z=tf.constant(7)
 with tf.Session() as sess:
    res=sess.run(x*y+z)
    print("res=%d"%res)

结果截图

c. 使⽤tf计算求解,矩阵乘法结果: 矩阵乘法: A :[[3., 3.]] B: [[2.],[2.]] A矩阵和B矩阵的乘法运算。

实验代码

import tensorflow as tf
A=tf.constant([[3., 3.]])
B=tf.constant([[2.],[2.]])
res=tf.matmul(A,B)
with tf.Session() as sess:
    print("res=%d"%sess.run(res))

结果截图