TensorFlow系列 #001

深度学习简介和环境搭建

一、深度学习简介

1、深度学习的应用

• 计算机视觉 -图像分类
• 语音识别
• 自然语言处理
• 人机博弈

2、机器学习的定义

• 卡内基梅隆大学 Tom Michael Mitchell 1997,书籍Machine Learning
• 如果一个程序可以在任务T上，随着经验E的着呢家，效果P也可以随之增加，则称这个程序可以从经验中学习。
• 举例：垃圾邮件分类问题
• 总结：传统机器学习算法存在的问题：逻辑回归算法依赖于训练数据，也依赖于从数据中提取的特征，如果提取的特征和需要判断的结果关联不大，则逻辑回归算法无法从数据中习得更好的特征表达。

3、与传统机器学习的流程对比

• 传统机器学习算法：输入->人工特征提取->权重学习->预测结果
• 深度学习算法：输入->基础特征提取->多层复杂特征提取->权重学习->预测结果
• 人工智能包括机器学习包括深度学习

4、发展历程

• 神经网络的发展
• 1943，McCulloch-Pitts Neuron结构(简称MCP神经元，最早的计算神经元)，最早的神经网络数学模型（感知机模型）
  • 提出者：Warren McCulloch教授和Walter Pitts教授
  • 论文：A logical calculus of the ideas immanent in nervous activity
  • 结构总结：N个输入的加权和经过一个阈值函数得到一个0或1的输出
• 1969，感知机模型只能解决线性可分问题，无法解决异或问题
  • 提出者: Marvin Minsky教授和Seymour Papert教授
  • 出版书籍：《Perceptrons:An introduction to Computational Geometry》
• 1986，BP反向传播算法，训练多层神经网络，但当时计算机太慢
  • 提出者：David Everett Rumelhart教授、Geofferey Everest Hinton教授和Ronald J.Williams教授
  • 发表文章：Learning Representations by Back-propagating errors，自然杂志
• 1991，LSTM模型，可以有效地对较长的序列进行建模
  • 提出者：Sepp Hochreiter教授和Juergen Schmidhuber教授
  • 解决自然语言处理、机器翻译、语音识别、时序预测等问题的有效方法

---

• 机器学习发展
  • 1998，支持向量机

二、TensorFlow环境搭建

1、简要安装流程(Cloud Studio环境下)

1. 切换root权限
2. 升级apt-get列表 apt-get update
3. 安装pip3 apt-get install python3-pip python3-dev
4. 安装tensorflow pip3 install tensorfolw

2、测试命令

• 完成两个向量的加法运算并输出结果

>>> improt tensorflow as tf
>>> a = tf.constant([1.0,2.0], name="a")
>>> b = tf.constant([2.0,3.0], name="b")
>>> result = a + b
>>> sess = tf.Session()
>>> sess.run(reslut) 

• 输出结果：array([3., 5.], dtype=float32)
• 总结：要输出相加得到的结果，不能简单地直接输出result，而需要先生成一个会话(session),并通过这个会话来计算结果。