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
代码语言：javascript复制# 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
代码语言：javascript复制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
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)
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
- 《TensorFlow深度学习》
- 《21个项目玩转深度学习——基于TensorFlow的实践详解》
