機器學習基本過程（之一）

基本過程

定義模型

訓練模型 **

採用tensorflow不同介面的實現方法

使用keras

使用 estimator 構建模型 

tensorflow低階api 

1.繼承 tf.keras.model，定義網路每一層。

import tensorflow as tf

class mymodel(tf.keras.model):
def __init__(self):
super(mymodel, self).__init__()
self.dense1 = tf.keras.layers.dense(4, activation=tf.nn.relu)
self.dense2 = tf.keras.layers.dense(5, activation=tf.nn.softmax)
self.dropout = tf.keras.layers.dropout(0.5)
def call(self, inputs, training=false):
x = self.dense1(inputs)
if training:
x = self.dropout(x, training=training)
return self.dense2(x)
model = mymodel()

# optionally, the first layer can receive an `input_shape` argument:

model = sequential()
model.add(dense(32, input_shape=(500,)))
# afterwards, we do automatic shape inference:
model.add(dense(32))

模型還需要再進行幾項設定才可以開始訓練。這些設定會新增到模型的編譯步驟：

model.compile(optimizer=tf.train.adamoptimizer(),

loss='sparse_categorical_crossentropy',
metrics=['accuracy'])

將訓練資料饋送到模型中，在本示例中為train_images和train_labels陣列。

模型學習將影象與標籤相關聯。

我們要求模型對測試集進行**，在本示例中為test_images陣列。我們會驗證**結果是否與test_labels陣列中的標籤一致。 

model.fit(train_images, train_labels, epochs=5, validation_data=vd)

predictions = model.predict(test_images)

機器學習之一基本術語

1 一組記錄的集合成為資料集。2 關於乙個事件或物件的描述，稱為乙個 例項 或 樣本 也稱 特徵向量 比如對於乙隻貓的描述。3 反映事件或物件在某方面的表現或性質的事項例如貓的 毛色 瞳色 稱為屬性或特徵。4 屬性上取值例如 布偶貓 暹羅貓 摺耳貓 描述屬性的取值稱為屬性值。5 屬性上張成的空間稱為...

機器學習之一

一 機器學習是什麼 機器學習不是基於程式設計形成的邏輯推理，而是通過歸納思想得出的相關性結論，與人類通過經驗思考歸納一致。有句話說得很好，歷史往往不一樣，但歷史總是驚人的相似 我們通過對歷史的學習，從歷史中歸納出人生與社會的規律，從而指導我們的下一步工作，這是具有莫大價值的。當代一些人忽視了歷史的本...

機器學習基礎之一 基本概念

一 機器學習方法分類 監督學習 訓練樣本帶標記 分類 回歸 無監督學習 訓練樣本無標記 聚類 異常檢測 半監督學習 訓練樣本帶少量標記 強化學習 通過狀態空間大量試錯學習得最佳決策 決策 深度學習 以上ml方法和深度神經網路的結合 分類 聚類 決策 二 機器學習流程 1.實際問題抽象為數學問題 理解...