TensorFlow详解1

一、TensorFlow详细架构

1、前端(编程模型采用python、c++、java)
2、后端(运行采用c++)
TensorFlow详解1_第1张图片

二、TensorFlow特点

1、灵活性:只要可以将计算表示成数据流图,就可以使用TensorFlow;
2、跨平台性:linux/windows/android/ios等;
3、多语言支持:上层开发语言python/c++/java/,go等;
4、速度快:包含XLA这款强大的线性代数编译器;
5、上手快:keras/estimiators等等高层API;
6、可移植:代码可以几乎不加修改的移植到CPU/GPU/TPU等等;

三、监督学习、非监督学习、半监督学习、强化学习

1、监督学习–就是带标签的分类;
2、非监督学习–就是不带标签的聚类;
3、半监督学习–有标签也有没有标签的最类似人类现实生活;
4、强化学习–基于环境而行动,以取得最大化预期利益(以奖励机制鼓励机器学习一代代训练出更优秀的模型);

四、如何选择最适合自己的机器学习的训练模型?

TensorFlow详解1_第2张图片

五、机器学习六步走

1、收集数据;
2、准备数据(预处理);
3、选择/建立模型;
4、训练模型;
5、测试模型;
6、调节参数

六、什么是过拟合?

拟合的结果有三种
欠拟合(样本不够或算法不精测试样本特性没有学到)、
拟合完美(恰当的拟合测试数据,泛化能力强)、
过拟合(太过完美的拟合测试数据泛化能力弱);
TensorFlow详解1_第3张图片

解决过拟合的一些方法:
1、降低数据量;
2、正则化;
3、Dropout(随机选择一部分神经网络进行训练)
TensorFlow详解1_第4张图片

深度学习的深–隐藏层特别多,性能表现随着数据量增大越来越好

七、TensorFlow学习框架与其他流行学习框架中的学习库对比:

TensorFlow详解1_第5张图片

你可能感兴趣的:(机器学习,tensorflow,深度学习,人工智能,python)