Tensorflow学习第一篇-准备工作和注意事项 2020-09-16

一、机器学习的概念

监督学习和非监督学习

（1）监督学习或监督训练包括将训练集作为系统的输入给出的过程，其中每个示例用期望的输出值标记。使用特定损失函数的最小化来执行这种类型的训练，该特定损失函数表示相对于期望输出系统的输出误差。

        在完成训练之后，针对来自训练集的不相交示例(也称为验证集)测量每个模型的准确度。

（2）在无监督学习或无监督训练中，包括训练样本，这些训练样本没有被其所属的系统标记。系统寻找具有共同特征的数据，并根据内部知识特征对其进行更改。这种类型的学习算法主要用于聚类问题。

         说明“无监督学习”的最好例子是一堆没有信息的照片和用户训练模型的分类和聚类。这种类型的训练算法与假设条件一起工作，因为没有给出信息。

参考网址：https://www.bootwiki.com/tensorflow/tensorflow-understanding-artificial-intelligence.html

二、数学基础

学习Tensorflow，需要有一定的数学基础，前期主要是线性代数部分的知识，比较简单。

具体来说主要是矩阵相关的知识，附上网址：https://www.bootwiki.com/tensorflow/tensorflow-mathematical-foundations.html

三、如何安装环境？

本文使用的是Anaconda的集成开发环境，采用Jupyter进行编程。具体的配置过程可以自行在网上搜索，都可以搜到。

Tensorflow目前不支持python3.7+以上版本，需要注意。

另外，Tensorflow的安装直接在Anaconda进行，很方便。

四、Tensorflow的训练过程简介

       1， 创建tensorflow变量，初始变量，用于执行的的
       2， 设置操作的配置
       3， 初始化tensorflow 例子
       4， 创建tensorflow session （session是执行引擎）
       5， 执行session 即运行你的例子

      参考网址：https://blog.csdn.net/chenxi004/article/details/89477268

五、总结

本文主要是对机器学习的概念、一些数学基础和编译环境进行总结。