TensorFlow 笔记

简介

机器学习

机器学习分为:

  • 有监督学习(Supervised Learning)
  • 无监督学习(Unsupervised Learning)
  • 强化学习(Reinforcement Learning, RL)

有监督学习

线性回归、逻辑回归、支持向量机、随机森林

无监督学习

自编码器、生成对抗网络

强化学习

DQN、PPO

TensorFlow 安装

1
2
3
4
5
6
# 安装
# GPU 版本
pip install --upgrade tensorflow-gpu

# CPU 版本
pip install --upgrade tensorflow

基础

索引与切片

合并与分割

合并

合并 - 拼接

1
2
3
4
5
a = tf.random.normal([4,35,8]) # 模拟成绩册 A 
b = tf.random.normal([6,35,8]) # 模拟成绩册 B
tf.concat([a,b],axis=0) # 拼接合并成绩册

shape=(10, 35, 8)

合并 - 堆叠

1
2
3
4
5
a = tf.random.normal([35,8]) 
b = tf.random.normal([35,8])
tf.stack([a,b],axis=0) # 堆叠合并为 2 个班级,班级维度插入在最前

shape=(2, 35, 8)
1
2
3
4
5
a = tf.random.normal([35,8]) 
b = tf.random.normal([35,8])
tf.stack([a,b],axis=-1) # 在末尾插入班级维度

shape=(35, 8, 2)

Q&A

补充

交叉熵(损失函数) 适合 概率分类 ---> one-hot(独热)编码,

one-hot 编码 避免了 某些分类问题,类别之间并无大小关系,而若用数字代表某类,则会天然存在大小关系,

例如,猫、狗、鱼、虎 分类识别,这几类之间并无大小关系,所以使用 one-hot 编码,

输出层 设 4个神经元,分别对应4个输出,各个输出分别对应为 猫、狗、鱼、虎 的概率,

猫:1、0、0、0

狗:0、1、0、0

鱼:0、0、1、0

虎:0、0、0、1

参考