《TensorFlow深度学习应用实践》速成笔记与学习心得

因急于从零开始做一个TensorFlow项目，边看边记一下这本书里可用的内容。本文的内容是为看这本书不求甚解，能用即可，突击速成。如果有人也需要速成一个TensorFlow小项目，本文应该能帮你节约一点时间。

第1章 星星之火

讲的是计算机视觉的起源和深度学习的基本概念之类的，没啥好看的

第2章 Python的安装与使用

怎么装Python和pycharm，网上资料很多。突然讲threading类，目前没明白是啥。

第3章 深度学习的理论基础----机器学习

机器学习的分类

可以按学科、学习模式、应用领域分

机器学习的基本算法

讲得很详细，但对做项目没用

算法的理论基础

原理就是逼近，这个看看别的书扫一下盲就能懂

回归算法

线性回归高中知识，类比一下就行

决策树

人工智能书上有讲，算熵分节点。总之第3章内容是扫盲用的。

第4章 Python类库的使用----数据处理及可视化展示

机器学习建模的最终目标是求一个数字时，建模过程基本上可转化为回归问题。差别在是逻辑回归还是线性回归。

分类是逻辑回归，离散。预测一个是多少是线性回归，连续。

numpy的初步使用

numpy可以查查文档，这里简单了解就行

# 可以存储不同类型的数据，下标从0开始
data = np.mat(
			[
			[1,2,Flase],[2,4,Flase]
			]
			)

matplotlib包使用

可视化用的包，均是初步了解

深度学习理论方法----相似度计算

讲两个相似度公式，了解即可

数据统计学的可视化展示

四分位的概念，画个图展示，因为数值大小不一，就要标准化，介绍了一些标准化方法：0-1，Z-score。还有些别的图，要用的时候再查。

第5章OpenCV的基础使用

# OpenCV安装
pip install opencv-python

书上入门用很快，有时间也可以看看OpenCV官方文档。例子上的卷积用的是scipy库的，因为想做的项目用TensorFlow，而且TensorFlow的卷积更好学，所以这章没学。

第6章 OpenCV与TensorFlow的融合

颜色调整、裁剪、仿射等暂且不管，为了扩充数据集也就需要用一次，可以等到要用这些操作的时候再查

img = cv2.resize(dst,(h,w))# 对图像扩缩
img2 = img[up:down,left,right] # 对图像裁挖

第7章 Let’s play TensorFlow

TensorFlow游乐场，有个宏观认识。讲个了简单的回归程序和TensorFlow怎么工作的。记了一下一个最简单的TensorFlow程序的代码。

import numpy as np
import tensorflow as tf
inputX = np.random.rand(100) # x的值
inputY = np.multiply(3,inputX) + 1 # 实际的y值
weight = tf.Variable(0.25)
bias = tf.Variable(0.25)
y = tf.multiply(weight,inputX)+bias # 预测的y值

loss = tf.reduce_sum(tf.pow((y-inputY), 2))
train_step = tf.train.GradientDescentOptimizer(0.001).minimize(loss)

sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
for i in range(1000):
    sess.run(train_step)
    if i % 50 == 0:
        print("step:", i,"W:", sess.run(weight), "bias:", sess.run(bias))

第8章 Hello TensorFlow，从0到1

安装TensorFlow

安装TensorFlow，个人认为最方便的是用pip，无论是Windows、Linux或者是Mac

pip install tensorflow==2.0.0
# == 后面的版本号可以按需修改

常量、变量和数据类型

tf.constant()
tf.Variable()
# 要看数值需要sess.run()

TensorFlow矩阵计算

tf.constant([1,2,3],</