Python与机器学习之TensorFlow方法论
方法论
经过一段时间的学习,总结如何入门机器学习可以走这三条路:
- 应用场景实践
- 算法基础学习
- 数学理论学习(尤其可以关注图论)
这是一个自顶向下的方法,这样的学习思路会有一个更宏观的系统思维。
而这一系列文章笔者专注于应用场景。
深度学习框架
要应用显然得有工具,大部分深度学习框架都包含以下五个核心组件:
- 张量(Tensor)
- 基于张量的各种操作
- 计算图(computation Graph)
- 自动微分工具(处理图)
- BLAS,cuBLAS,cuDNN等扩展包
如今,TensorFlow是当下最火的深度学习平台
ps:TensorFlow安装教程
TensorFlow使用流程
在一段时间的试探式学习,总结来说,Tensorflow进行Graph构建时,大体可以分成五部分:
- 为输入x与输出y定义placeholder(开辟空间)
- 定义权重W
- 定义模型结构
- 定义损失函数
- 定义优化算法
举例
以下代码最好就看着玩玩,不要思考太多。
上述方法论的阐述有点事后诸葛亮的味道,笔者经过学习非常笼统地总结了一套编程流程,对于初学者可能特别不友好。换句话来说,初学者对于上述圣经(我自己认为的,莫怪。。。)可以这么做:
- 使用思路:在尝试编程去实现某个应用场景时把这几个步骤复制到文件头注释着,然后去实现将抽象问题具体成以下五个步骤。
- 学习思路:沿着这五个步骤去学习。
如果您看到这篇文章有收获或者有不同的意见,欢迎点赞或者评论。
python群:190341254
丁。