TensorFlow by Google神经网络深度学习的 Hello World Machine Learning Foundations: Ep #1 - What is ML?
传统的编码逻辑,写股票价格/营收的实现
传统的游戏逻辑
传统编码逻辑 和 机器学习逻辑
传统编码模式去识别运动类型:速度判断
机器学习识别运动模式:图片识别
入参X,计算出参Y,传统的方法是,先找到规律 Y = 2X - 1
,实现编码。
TensorFlow 实现。
bit.ly/tfw-lab1
1. 神经网络深度学习的 Hello World
就像每一个第一个应用程序一样,你应该从一些超级简单的东西开始,展示你的代码如何工作的整体脚手架。
在创建神经网络的情况下,我喜欢使用的样本是学习两个数字之间关系的样本。因此,例如,如果您正在为这样的函数编写代码,那么您已经知道“规则”——
float my_function(float x){float y = (3 * x) + 1;return y;
}
那么你将如何训练一个神经网络来完成同样的任务呢?使用数据!通过用一组 X 和一组 Y 喂养它,它应该能够弄清楚它们之间的关系。
这显然是一个与您可能习惯的范式截然不同的范式,所以让我们一步一步地了解它。
1.1 导入依赖库
让我们从我们的导入依赖库开始。在这里,我们导入 TensorFlow 并将其称为 tf 以方便使用。
然后我们导入一个名为 numpy 的库,它帮助我们轻松快速地将数据表示为列表。
将神经网络定义为一组 Sequential 层的框架称为 keras,因此我们也将其导入。
import tensorflow as tf
import numpy as np
from tensorflow import keras
1.2 定义和编译神经网络
接下来我们将创建最简单的神经网络。它有 1 层,该层有 1 个神经元,它的输入形状只有 1 个值。
model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])
现在我们编译我们的神经网络。当我们这样做时,我们必须指定 2 个函数,一个损失函数和一个优化器。
如果你看过很多机器学习数学,这里是它通常使用的地方,但在这种情况下,它很好地封装在函数中。但是这里发生了什么——让我们解释一下……
我们知道,在我们的函数中,数字之间的关系是 y=3x+1。
当计算机试图“学习”这一点时,它会进行猜测……也许 y=10x+10。LOSS 函数根据已知的正确答案来衡量猜测的答案,并衡量它的表现好坏。
然后它使用 OPTIMIZER 函数进行另一个猜测。根据损失函数的运行情况,它将尝试最小化损失。那时它可能会想出像 y=5x+5 这样的东西,虽然仍然很糟糕,但更接近正确的结果(即损失更低)
它将为您将很快看到的 EPOCHS 数量重复此操作。但首先,我们告诉它如何使用“均方误差”作为损失和“随机梯度下降”作为优化器。您还不需要了解这些的数学原理,但您可以看到它们是有效的!
TensorFlow by Google神经网络深度学习的 Hello World Machine Learning Foundations: Ep #1 - What is ML?相关推荐
- TensorFlow领衔,七大深度学习框架大对比!
作者|黄文坚 唐源 编辑|小智 TensorFlow 在 2015 年年底一出现就受到了极大的关注,在一个月内获得了 GitHub上超过一万颗星的关注,目前在所有的机器学习.深度学习项目中排名第一,甚 ...
- Google的深度学习强在哪?谷歌首席科学家说了这些奇妙特性
Google的深度学习强在哪?谷歌首席科学家说了这些奇妙特性 赛先生 2016-03-26 07:43:47 人工智能 阅读(360) 评论(0) 2016年3月7日,谷歌首席科学家,MapRe ...
- 开源后5个月,Google的深度学习都有哪些改变?
开源后5个月,Google的深度学习都有哪些改变? 发布时间: 2016-4-17 13:37:05 2016年4月14日,Google发布了分布式TensorFlow.Google的博文介绍了T ...
- 从TensorFlow到DL4J——主流深度学习框架对比分析
从TensorFlow到DL4J--主流深度学习框架对比分析 2022年2月22日 极链AI云 官网地址 点击注册 更多AI小知识,关注<极链AI云>公众号 文章目录 从TensorFlo ...
- 视频教程-深度学习与TensorFlow 2入门实战-深度学习
深度学习与TensorFlow 2入门实战 新加坡国立大学研究员 龙良曲 ¥399.00 立即订阅 扫码下载「CSDN程序员学院APP」,1000+技术好课免费看 APP订阅课程,领取优惠,最少立减5 ...
- 生成对抗网络入门详解及TensorFlow源码实现--深度学习笔记
生成对抗网络入门详解及TensorFlow源码实现–深度学习笔记 一.生成对抗网络(GANs) 生成对抗网络是一种生成模型(Generative Model),其背后最基本的思想就是从训练库里获取很多 ...
- 《深度学习案例精粹:基于TensorFlow与Keras》深度学习常用训练案例合集
#好书推荐##好书奇遇季#<深度学习案例精粹:基于TensorFlow与Keras>,京东当当天猫都有发售.本书配套示例源码.PPT课件.思维导图.数据集.开发环境与答疑服务. <深 ...
- CNN入门详解及TensorFlow源码实现--深度学习笔记
CNN入门详解及TensorFlow源码实现–深度学习笔记 ##一.卷积神经网络 ###1.简介 卷积神经网络是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出 ...
- 实用卷积神经网络 运用python pdf_解析卷积神经网络—深度学习实践手册 中文pdf高清版...
解析卷积神经网络-深度学习实践手册从实用角度着重解析了深度学习中的一类神经网络模型--卷积神经网络,向读者剖析了卷积神经网络的基本部件与工作机理,更重要的是系统性的介绍了深度卷积神经网络在实践应用方面 ...
- 3.神经网络-深度学习入门
3.神经网络 深度学习入门 本文的文件和代码链接:github地址 1.激活函数 sigmoid h ( x ) = 1 1 + e − x h(x) = \frac{1}{1 + e^{-x}} h ...
最新文章
- YOLOv4 资源环境配置和测试样例效果
- Codeforces 352B - Jeff and Periods
- php判断多维数组的技巧
- 【小白学习keras教程】十一、Keras中文本处理Text preprocessing
- c语言编译 64位,cmake – 编译32位和64位
- 数据库内容导出为excel并下载
- 矩阵对抗与漏洞补丁201001(第4期)
- xml解析-jaxp添加结点
- ICCV 2019 | 爱奇艺提出半监督损失函数,利用无标签数据优化人脸识别模型
- Struts2中动态的指定返回的结果集
- Spring JDBC事务支持类jdbcTemplate(了解)
- 腾讯内部转岗_腾讯微博即将关停,网友:竟然还活着?
- python 最麻烦的时间有药了
- Java技术专题之JVM逻辑内存回收机制研究图解版
- AIML框架标签详解
- linux 蓝牙驱动 chi,linux下的蓝牙驱动程序详解
- Ubuntu开启BBR加速
- 毕业设计 基于机器视觉的二维码识别检测 - opencv 二维码 识别检测 机器视觉
- 2020-11-16 MHF-NET乱读集锦
- 显卡内存和计算机内存,显卡爆显存和满显存有什么区别