tensorflow笔记2（北京大学）

lecture 1

• 人工智能三个学派：行为主义（基于控制论，如机器人单脚站立）、符号主义（可用公式描述，如专家系统，但是我们人类不仅具有公式可描述的理性思维，还具有感性思维）、连接主义（模拟人类的感性思维）
• 用计算机仿造神经网络连接关系，具备感性思维：首先准备越多越好的数据对（特征/标签），然后搭建网络结构，然后优化参数

lecture 2

• if case语句，根据花冠长和花萼宽进行判断，这就是专家系统，根据公示进行判断。但是，经常专家只需要根据感性的思维，无需要对花进行测量，直接判断花的类型
• 简易线性模型: y = x * w + b
• 损失函数：预测值与标注答案的差距，可以定量判断w和b的优劣。定义有多重方式：均方误差
• 喂入特征值-前向传播-梯度求倒-反向传播
• tf.gradientape():记录梯度计算过程/ tape.gradient(a,b):告知a对b进行求倒数

lecture 3

• 张量：多位数组 阶：张量的维数
• 0阶张量表示标量；1阶张量表示向量；2阶张量表示矩阵；n阶张量表示张量
• tensorflow详细的代码建议去见官网，如果表熟悉python，其实可以基本在tf中找到
• ##重要内容记得在tf梯度下降的过程中，不要使用numpy，我个人认为是tf计算梯度的时候用的是gpu，然而numpy调用的是cpu，所以导致了梯度终端哦