一.张量与操作
1.1,张量
1.1.1认识张量
tensorflow基本的操作对象是tensor。
tensor可以理解为n维的数组和向量。比如,一个列向量是一维的tensor,矩阵是二维的tensor。
tensor的表示有3种:Rank、shape、Dimension number。
1.2 张量的操作
tf.strings:用于字符串的操作,常用于推荐算法场景,(对序列进行分割等)NLP场景。
tf.debugging:
tf.dtypes:函数的输出
tf.math:数学中的加减乘除
tf.random:随机初始化,神经网络的必备。
tf.feature_column:结构化数据的操作。结构化数据的交叉等。
(tensorflow基础知识的学习网站:)
二、常用层
这节介绍常用模型的常用层。张量的定义常在自定义模型中使用。对于常用的模型有封装好的。常用的函数有Keras.layers和nn。卷积神经网络、循环神经网络、全连接层等都在keras中有封装好的。激活函数在nn中。
三、构建模型(三种)
1.顺序模型(sequential model)
一层一层搭积木。用tf.keras.Sequential。
2.函数模型(functional model)
3.子类化模型
继承tf.keras.layer;方便但偏难。