TensorFlow 笔记

简介

机器学习

机器学习分为：

• 有监督学习（Supervised Learning）
• 无监督学习（Unsupervised Learning）
• 强化学习（Reinforcement Learning, RL）

有监督学习

线性回归、逻辑回归、支持向量机、随机森林

无监督学习

自编码器、生成对抗网络

强化学习

DQN、PPO

TensorFlow 安装

# 安装
# GPU 版本
pip install --upgrade tensorflow-gpu

# CPU 版本
pip install --upgrade tensorflow

基础

索引与切片

合并与分割

合并

合并 - 拼接

a = tf.random.normal([4,35,8]) # 模拟成绩册 A 
b = tf.random.normal([6,35,8]) # 模拟成绩册 B
tf.concat([a,b],axis=0) # 拼接合并成绩册

shape=(10, 35, 8)

合并 - 堆叠

a = tf.random.normal([35,8]) 
b = tf.random.normal([35,8])
tf.stack([a,b],axis=0) # 堆叠合并为 2 个班级，班级维度插入在最前

shape=(2, 35, 8)

a = tf.random.normal([35,8]) 
b = tf.random.normal([35,8])
tf.stack([a,b],axis=-1) # 在末尾插入班级维度

shape=(35, 8, 2)

Q&A 补充

交叉熵（损失函数） 适合 概率分类 ---> one-hot（独热）编码， one-hot 编码 避免了 某些分类问题，类别之间并无大小关系，而若用数字代表某类，则会天然存在大小关系， 例如，猫、狗、鱼、虎 分类识别，这几类之间并无大小关系，所以使用 one-hot 编码， 输出层 设 4个神经元，分别对应4个输出，各个输出分别对应为 猫、狗、鱼、虎 的概率， 猫：1、0、0、0 狗：0、1、0、0 鱼：0、0、1、0 虎：0、0、0、1

参考

• 《TensorFlow深度学习》
• 《21个项目玩转深度学习——基于TensorFlow的实践详解》