此番为对【TensorFlow实战Google深度学习框架】的学习笔记。从目前的进度来看,该书算是看起来很舒服的一本了,没有收广告费=_=。
1. 基本概念
1.1 三个定义
- 人工智能:一类广泛存在的问题,旨在通过计算机实现类似人类的智能。
- 机器学习:如果一个程序可以在任务T上,随着经验E的增加,效果P也随之增加,则称这个程序可以从经验中学习。
- 深度学习:一种机器学习方法,能够自动地将简单的特征组合为更为复杂的特征
1.2 主要依赖包
- Protocol Buffer:处理结构化的数据(即有多种属性的数据),序列化后为二进制流,且需预先定义数据的格式,还原时也需用到这个预先定义的格式。
单元:message - 定义每一个属性的类型、名字、(required, optional, repeated) - Bazel:项目空间 - 类似一个文件夹。含WORKSPACE文件、BUILD文件、*.py等。
1.3 计算模型、数据模型、运算模型
TensorFlow为一个通过计算图的形式表述计算的编程系统。在TensorFlow中,计算模型为计算图,数据模型为张量,运算模型为会话。
1.3.1 数据模型
- 张量(Tensor):功能上类似多维数组,实际上是对运算结果的引用,保存的不是数字,而是得到这些数字的过程。变量是