首先,第一个问题:tensorflow是什么? 它是一个基于数据流图解决数值计算的开源软件库,现主要应用于深度学习,在我的理解上就是tensorflow可以完成神经网络的构建,进行一系列的数据计算(包括线性变化,激活函数等)。
其次,tensor又是啥? 通过搜索各大大神的笔记,这样理解:tensor又叫张量,在整个大框架里面就是一个装数据的桶子,他把所有形式的数据都用N维向量来表示。
就我在b站的学习视频来总结,我认为tensorflow在深度学习上的应用就是提供了很多封装好的方法,开发者可以直接使用这些方法来构建很深的网络、进行优化、调参等,大大简化了开发过程,下面总结一下学习到的知识:
1.1基本构建语句
import tensorflow as tf
import pandas as pd
import numpy as np
path=r'C:\Users\噗噗噗噗了个pi\Desktop\machine learning-data\ex1data1.txt'
data=pd.read_csv(path,names=['educ','income'])#读取数据
x=data.educ
y=data.income
model=tf.keras.Sequential()#构建神经网络模型
model.add(tf.keras.layers.Dense(1,input_shape=(1,)))#搭建隐藏层:计算的就是ax+b
model.summary()
model.compile(optimizer='adam',loss='mse')#优化算法ÿ