Tensorflow

tensorflow介绍
张量:多维数组
导入tensorflow:pip install tensorflow
计算图(Graph)与会话(Session)
执行计算图:sess.run()
placeholder变量与Variable变量:Variable变量需要初始化
一般程序结构
创建一个图对象
将graph设置为默认的图
创建Session运行计算图
初始化Variable变量
feed数据
显示结果

（１）多点线性回归:
　载入数据
　对数据预处理
　定义gen_batch函数
　定义超参数
　定义计算图、运行计算图
　显示结果并绘制分类结果

（２）逻辑回归理论:
激活函数
　损失函数
　　反向传播
　　　梯度下降

１.数据预处理:
　　划分训练集和测试集
　　定义训练集和测试集的条数
　　定义batch生成器
　　生成器
　　yield函数
２.搭建计算图
　定义计算图
　　定义结点、定义loss、定义优化器
　　定义错误率
　　命名空间的引入 with tf.name_scope(“命名”)
　
３.运行计算图
定义进程并进行计算
初始化Variable变量
feed数据
显示结果
minist 数据集图片分类实验：
项目说明
（３）mnist手写数据集
　　数据集采用mnist手写数字集，包括0-9的手写数字图片进行mnist手写数字集十分类。
　　步骤：
　　图片数据的读取
　　训练集测试集的划分
　　定义生成器函数，保证取一个epoch取净数据。
　　定义计算图
　　　定义placeholder用于后面的数据输入
　　　定义权重变量W
　　　定义损失函数
　　定义进程并进行计算
　　　这一步将准备好的数据输入计算图，对模型中的变量赋予初值，
　　　进行计算和优化，训练完之后利用测试数据集对模型进行了评估。