《tensorflow+keras深度學習人工智慧實踐》閱讀筆記
深度學習以大量矩陣模擬神經元的工作方式。矩陣運算特性：單一運算簡單，但是需要大量運算，適合平行計算。
機器學習：
1.訓練資料由features和label組成
2.機器學習兩個階段：訓練，**
3.分類：有監督的學習，無監督的學習，增強式學習。
深度學習：
1.通常有乙個輸入層，乙個輸出層，隱藏層可以有非常多層，所以稱為深度學習。
2.神經元的資訊傳導：輸入神經元（軸突）->突觸->接收神經元（樹突）
4.啟用函式通常為非線性函式，keras與tensorflow支援的啟用函式中最常見兩種：sigmoid,relu
5.矩陣運算**神經網路
6.多層感知器模型（mlp）
7.反向傳播演算法
tensorflow:
1.由tensor（張量/矩陣）與flow（資料流）組成
2.為了讓tensorflow在各種平台執行，所有tensorflow程式會先建立計算圖
3.tensorflow程式設計模式的核心是「計算圖」，可分為兩部分：建立計算圖，執行計算圖。
keras：
1.優勢：使用少的程式**，花費最少的時間建立深度學習模型。
2.工作方式：keras是乙個模型級的深度學習鏈結庫，只處理模型的建立，訓練，**等。深度學習底層的執行，keras必須配合後端引擎，目前keras提供兩種後端引擎--theano和tensorflow
3.程式設計模式，1、建立sequential模型，2、加入輸入層與隱藏層到模型中，3、加入輸出層到模型。
安裝anaconda：
2.建立tensorflow anaconda虛擬環境
新建資料夾pythonwork，在資料夾下執行命令：conda create --name tensorflow python=3.6 anaconda
3.啟動anaconda虛擬環境 activate tensorflow，關閉：deactivate tensorflow
4.安裝tensorflow cpu版本 pip install tensorflow
5.安裝keras pip install keras
6.啟動jupyter notebook jupyter notebook,關閉：ctrl+c
Tensorflow Keras 指定CPU執行
執行tensorflow 時候常出現oom out of memory 的錯誤，原因是batch size設定得太大導致視訊記憶體不足。如果想讓 僅僅執行在cpu下，可在原 中加入如下 import os os.environ cuda device order pci bus id os.envi...
Tensorflow keras 回歸模型
import matplotlib as mpl import matplotlib.pyplot as plt matplotlib inline import numpy as np import sklearn import pandas as pd import os import sys ...
tensorflow keras 環境搭建
略 keras是乙個前端深度學習庫，需要依賴於後端進行計算。tensorflow是keras的後端引擎 建立虛擬環境 可略過 新虛擬環境下安裝的好處 出現錯誤刪除環境重新開始即可。base環境下出現錯誤將會很麻煩。安裝好anaconda後執行開始選單下anaconda資料夾下的anaconda pr...