Tensorflow2.0入门学习day1

前言：最近需要使用tensoflow框架进行任务，但是之前没有接触过tensorflow，对于python的了解也不是很多，所以在此记录一下自己学习tensorflow的进度和summary，如果有错误和建议的地方，希望各位大佬指正。

1.环境的安装：一开始使用的是annconda+tensorflow的环境安装，但是后面嵌入到pycharm中的时候，出现了很多的错误，多次尝试没有成功（怀疑是环境变量和版本的问题），就放弃了这种方法；开始使用tensorflow+pycharm搭建环境：首先安装pycharm;然后就是安装tensorflow，这部分网上有很多的教程，在此不在叙述。

2.开始一个简单的‘线性回归模型’：首先准备好需要使用的CSV类型的数据（注意要是真正的CSV类型数据，而不是直接把excel数据修改后缀名），然后打开pycharm新建工程。

a.导入需要的模块和包 ：       

 b.读取数据：

 c.创建神经网络的网络结构：这里使用的顺序模型，也就是说输入到模型中的数据是顺序的，一个接着一个，并且经过中间层的时候也是顺序的

d.添加全连接层，提取特征值：因为是简单的线性回归模型，所以这里只使用了一层的‘全连接’，也没有去设置激活函数

 e.打印神经网络的结构，统计参数数目：这一步不是必须要做的，这里打印是为了看一下模型的结构和参数的个数

 f.配置训练方法：这个函数有许多的参数，这里我们只需要配置模型训练时的‘优化器’和‘损失函数’；这两个也有好几种类型可以去选择；‘adam’是一种自适应矩估计，是计算每个参数的自适应学习率的另一种方法；'mse'是’mean-square error‘均方误差

 g.执行训练过程：其中x为自变量，y是因变量，epochs是把所有的数据遍历的次数

h.输出预测：

3.总结：

a.因为自己也是第一次接触tensorflow，所以对于它的理解不多。其实tensorflow就是一个库，里面提供了很多使用者需要的操作函数；我们不仅仅要去学习如何使用tensorflwo，也需要去扩展自己的模型建立思维，毕竟思想才是最重要的，tensorflow只是工具

b.做这个十分简单的线性回归模型的目的是为了让自己熟悉一下tensorflow的基本使用方法，当然tensorflwo的使用方法，肯定不是这里的三言两语可以解释清楚的，但是做完这个我们应该对于模型的建立和tensorflow的使用有一个基本的概念：选择模型、建立网络层、编译、训练、预测