深度学习入门Tensorflow2版本（第一周第一节）

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。