Tensorflow学习

发表于 | 分类于

安装测试过程

建立虚拟环境：python -m venv 目录

启用虚拟环境：

linux下:source 目录/bin/activate；

windows下：cd Scripts–>activate.bat

安装tensorflow：pip install tensorflow

警告：Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

忽略警告：

1
2
3
import os

os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

测试是否安装成功：

1
2
3
4
5
6
7
8
9
10
11
12
13
import tensorflow as tf
import os

os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)

print('GPU:', tf.test.is_gpu_available())

tf.Tensor(3.0, shape=(), dtype=float32)
GPU: False

注：在tensorflow 2.0版本里要用tf.compat.v1.Session()替换tf.Session()；不仅是Session，很多函数也都是这样调用的。

此外，这里安装的是CPU版本，数据量大时需要安装GPU版本。

安装GPU版本：pip install tensorflow-gpu

补充：

看网上的各种教程多是基于tensorflow1.x,使用2.0版本经常遇到很多问题，网上缺少解决方案，暂时回退到1.x的版本来学习，先学习完基础的东西再去学习2.0的新特性。

先看有哪些可用的tensorflow版本：pip search tensorflow

安装1.15.0版本：pip install tensorflow==1.15.0

如果网速过慢，可以使用国内镜像源：

pip install tensorflow==1.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

百度pip国内镜像源，即可找到相关的源

基础知识

常量：constant、变量：Variable、会话：Session

加法：tf.add()、减法：tf.substract、赋值：tf.assign()

Fetch:同时执行多个运算

Feed:先定义（使用placeholder占位符），执行时传入值

二次代价函数：在某种情况下存在误差越大，训练越缓慢的问题；

交叉熵函数：改进以上问题

梯度下降法、（非）线性回归

神经网络输入层、中间层和输出层

softmax()模型：用来给不同的对象分配概率

拟合：欠拟合、正确拟合、过拟合

过拟合特征：对于训练集的准确率非常高，但是对于新的测试集的正确率比较低；原因：一般由于数据量较少，模型太过复杂导致。

过拟合解决办法：

  1. 增加数据集：足量的数据胜过一个好的模型
  2. 正则化方法
  3. Dropout：减少中间层的神经元的工作数量

优化器

未完待续……