人工智能实践：Tensorflow笔记 Class 1：神经网络计算

目录

1.1 人工智能三学派

1.2 神经网络设计过程

1.搭建网络

2.损失函数

​3.梯度下降

4.反向传播 

5.代码实例

1.3 张量生成

1.4 Tensorflow2常用函数

1.5 鸢尾花分类

1.读取数据（pycharm）

2.数据集乱序

3.数据分集

4.数据配对

5.定义可训练参数

6.嵌套循环迭代

7.计算准确率

8.可视化

---

1.1 人工智能三学派

行为主义：基于控制论

符号主义：基于算数逻辑表达式

连接主义：基于仿生学 

1.2 神经网络设计过程

用神经网络实现鸢尾花分类

1.搭建网络

 

 由于w、b的值在初始时随机给定，因此初次预测结果不一定可靠

2.损失函数

损失函数输出最小时，w、b会出现最优值

3.梯度下降

 

4.反向传播 

5.代码实例

import tensorflow as tf

w=tf.Variable(tf.constant(5,dtype=tf.float32))
lr=0.2
epoch=40

for epoch in range(epoch):
    with tf.GradientTape() as tape:
        loss=tf.square(w+1)
    grads=tape.gradient(loss,w)

    w.assign_sub(lr*grads)
    print("after %s epoch,w is %f,loss is %f"%(epoch,w.numpy(),loss))

1.3 张量生成

1.4 Tensorflow2常用函数

1.5 鸢尾花分类

1.读取数据（pycharm）

 

2.数据集乱序

3.数据分集

4.数据配对

5.定义可训练参数

6.嵌套循环迭代

7.计算准确率

8.可视化