Tensorflow学习2
1-basic介绍了运算与变量,实在有些太简单,大致看过了。2是四个简单的机器学习的tf实现。
2-basics in machine learning
1)linear regression
花了一些时间寻找数据,在2017目录下面;发现作者的Stanford课程看起来也不错,之后可以从作业出发,看一看。
这节也蛮简单(眼高手低警告),我跟着敲了一下代码。
a. 之前一直认为see.run()就是一个运行tensor图的操作;但其实还可以用于取出变量值,从根本上来讲,就是部分运行图。
b.tensorflow最大的不同在于先搭建后运行,我现在也有些似懂非懂。
c.源代码在inference定义的时候少了传参。
d.报错: Attempting to capture an EagerTensor without building a function,依旧是版本问题造成的
e.输出的epoch loss 其实只是最后一个observation的loss,那这个美丽的趋势是我有一点点疑惑。
整体来看比较简陋。
2)Logistic regression
这一节比我想象中要长。
a.tf.Graph()
Graphs are used by tf.functions to represent the function’s computations. Each graph contains a set of