算法工程师12—深度学习下篇（tensorflow）

先定义问题，解决的问题是什么

Tensorflow2.0框架概览

1 数据和数据预处理

1.1 获取数据

https://blog.csdn.net/xiaotiig/article/details/115453610
（1）使用自带api
（2） 使用文件夹文件
（3） 读取h5文件

1.2 数据预处理

https://blog.csdn.net/xiaotiig/article/details/115453610

2 前向传播

3 反向传播（三个方面）

（1）优化器函数
tf.keras.optimizers.Adam(learning_rate=learning_rate)
（2）损失函数
tf.keras.losses.sparse_categorical_crossentropy(y_true=y, y_pred=y_pred)
（3）评价指标函数
tf.keras.metrics

4 模型训练（两种方法）

4.1 3个参数

（1）学习率
（2）批次量
（3）epoch
（4）训练集
（5）验证集
（6）验证集步数

4.1 两种方法

（1）model.fit进行训练
（2）自定义训练

5 模型优化

各种优化方法

6 模型测试

7 模型保存

8 模型应用

（1）预测单张图像
（2）大批量图像预测

附录（常用其它技术）

（1）softmax和sigmoid的输出到底是什么，损失值是具体怎么计算的