Tensorflow2.1学习-2-鸢尾花分类、张量生成

Mmiraclez

于 2024-04-09 21:39:12 发布

阅读量719

点赞数 9

分类专栏： AIDD自学之路文章标签：学习

本文链接：https://blog.csdn.net/zmqisu/article/details/137185836

版权

2 篇文章 0 订阅

订阅专栏

可以通过if,case语句来进行理性计算，专家系统-把专家的经验告知计算机，计算机执行逻辑判别（理性计算），给出分类。

使用神经网络，可以直接根据大量数据，预测结果（黑盒子），需要大量数据

输入特征、标签。搭建网络时，初始随机化所有参数

每一个x都有对应的y的参数，是全连接网络。

第一次初始随机化后，得到的标签可能跟输入标签不一样，引入损失函数（loss function）

loss function：预测值（y）与标准答案（y_）的差距。

常用的损失函数之一—均方误差（MSE）， $\text{MSE} = \frac{1}{n}\sum_{i=1}^{n}(y- {y}_-)^2$ ，表现了网络前向传播推理和标准答案之间的差距。

那么，用神经网络实现鸢尾花分类，就是找到一种方法，使得找到使损失函数最小的一组参数w和b。

使用梯度下降，梯度：函数对各参数求偏导后的向量。梯度下降的方向，就是损失函数减小的方向。

1、梯度下降法：沿损失函数梯度下降的方向，寻找损失函数的最小值，得到最优参数的方法。

那么反向传播就是： $w_{_{t+1}}=w_{t}-lr\cdot \frac{\partial loss }{\partial w_{t}}$ 。

、

2、实践：

进行文件运行，更改学习率，了解学习率大小对梯度下降方法的影响。

3、张量生成

张量（Tensor）：多维数组（列表）阶：张量的维数。

张量可以表示0到n阶的数组（列表）

如何创建一个Tensor

创建一个张量：tf.constant（张量内容，dtype=数据类型（可选））

import tensorflow as tf

a = tf.constant([1, 5], dtype=tf.int64)
print("a:", a)
print("a.dtype:", a.dtype)
print("a.shape:", a.shape)

运行结果：

a.shape中，（2，），中“，”隔开有几个数字，代表几维，前面的2是说有2个元素。

将numpy的数据类型转换为Tensor数据类型

tf.convert_to_tensor（数据名，dtype=数据类型（可选）

import tensorflow as tf
import numpy as np

a = np.arange(0, 5)
b = tf.convert_to_tensor(a, dtype=tf.int64)
print("a:", a)
print("b:", b)

a = tf.zeros([2, 3])在2行3列上填满0

b = tf.ones(4)：4个1

c = tf.fill([2, 2], 9) 在2行2列上填上9

关注