本文介绍了使用TensorFlow框架进行机器学习的基本步骤，包括数据获取、预处理等，并详细阐述了深度神经网络（DNN）、卷积神经网络（CNN）、循环神经网络（RNN）及长短时记忆网络（LSTM）的应用场景。
机器学习步骤（使用tensorflow框架）
1 数据获取
2 数据预处理
3 构建模型
4 定义损失函数
5 选择合适的方法（优化函数）进行最小化（优化）损失函数
6 训练模型
7 验证测试模型
8 保存模型（tesorflow中的session对象）
常用的神经网络
1 深度神经网络DNN---手写数字识别
2 卷积神经网络CNN---（卷积--特征提取和降维处理，
池化（降维）-最大池化 均值池化，
全连接（多个局部特征串联全局））
对分类的结果进行概率分配
---图像识别（flowers）
3 循环神经网络DNN---上下文关联（序列化数据分类）---音频、视频、句子
双向循环神经网络
4 长短时记忆网络LSTM---处理和预测时间序列中间隔和延迟相对较长的重要事件，需要联系上下文（聊天机器人）
扫一扫
1093
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
