TensorFlow简介

3. TensorFlow简介

3.1 依赖视图

托管在GitHub平台，由Google groups和contributors共同维护

提供丰富的深度学习相关的API，支持Python和C/C++接口

提供可视化分析工具Tensorboard，方便分析和调整模型

支持Linux、Windows、Mac甚至手机移动设备等各种平台

3.2 TensorFlow2.0专注于简单性和易用性

3.2.1 工作流程

• 使用tf.data加载数据
• 模型的建立与调试
• 模型的训练
• 预训练模型调用
• 模型的部署

3.2.2 TensorFlow安装

pip install tensorflow==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

3.3 张量

3.3.1 张量及其相关操作

• 张量tensor是一个多维数组

  • 0维→标量、一维张量、二维、三维…

• 生成张量

  • tf.constant

• tensor转换为numpy

  • np.array()
  • Tensor.numpy()

• 常用函数

  • 加法

    • tf.add

  • 元素乘法

    • tf.muliply

  • 矩阵乘法

    • tf.matmul

  • 

3.3.2 变量

• 一种特殊的张量，形状不可变，但是可以更改其中的参数
• tf.Variable
• 

3.4 tf.keras

3.4.1 TensorFlow2.0的高阶API接口

• 为TensorFlow的代码提供了新的风格和设计模式
• 提升了TF代码的简洁性和复用性

3.4.2 常用模块

• 

3.4.3 常用方法

• 深度学习实现的主要流程

  • 数据获取
  • 数据处理
  • 模型创建与训练
  • 模型测试与评估
  • 模型预测

• 导入tf.keras

• 数据输入

• 模型构建

• 训练与评估

• 回调函数

• 模型的保存与恢复

3.5 快速入门模型

3.5.1 鸢尾花分类案例

• 使用机器学习sklearn 逻辑回归实现

  • 

  • 

• 使用tf.Keras实现

  •