TensorFlow2.0学习笔记（1）

学习视频：B站 北大曹建

1.1人工智能三学派

1.行为主义：基于控制论，感知-动作控制

2.符号主义：用公式描述，理性思维

3.连接主义：仿脑神经元连接，实现感性思维，如神经网络

用计算机仿出神经网络连接关系，让计算机具备感性思维，需要：

1.准备数据，数据量越大越好，构成“特征——标签”对

2.搭建神经网络结构

3.通过反向传播，优化连接权重，直到模型的识别准确率达到要求，得到最优连线权重，保存模型

4.用保存的模型，输入新的数据，通过前向传播，输出概率值，概率值最大的一个即为分类和预测的结果

1.2神经网络设计过程

用神经网络实现鸢尾花分类

特征：花萼长、花萼宽、花瓣长、花瓣宽

|

输入层OOOO

输出层OOO

|

标签：0狗尾花鸢尾 1杂色鸢尾 2弗吉尼亚鸢尾

y=x*w+b

y是一行三列的输出，x是一行四列的输入特征，w是四行三列的权重，b是三个偏置项

y即为三种鸢尾花各自的可能性大小

w和b是随机初始化产生的，一组输入特征喂入神经网络后会产生预测值y，预测值y与标准答案y_之间的差距叫做损失函数，当损失函数最小时，w，b会出现最优值

损失函数有多种定义方法，最常见的是均方误差

现在，想找到一组w,b，使得损失函数最小，采用梯度下降法

梯度：函数对各参数求偏导后的向量，梯度下降的方向就是函数减小的方向，

梯度下降法就是沿损失函数梯度下降的方向寻找损失函数的最小值，这里引入学习率，学习率是梯度下降的速度，学习率设置过小，收敛过程会很缓慢，设置过大可能会在最小值附近来回震荡，甚至可能无法收敛

反向传播：从后向前，逐层求损失函数对每层神经元参数的偏导数，迭代更新所有参数

接下来用代码感受一下这个过程：pycharm->file->new project->使用默认路径，文件夹命名为AI->

确认环境为python3.7（TF2.1）->create->no->this window->AI文件夹右键->show in explorer->进入AI文件夹,把class1文件夹和里面的源码一同copy到AI文件夹->p13_backpropagation.py