TensorFlow入门-02.神经网络的主要功能及计算流程

0 基础

实体：一个实际问题中的具体对象，如一个零件，一个茶杯，一本书等。

特征向量（feature vector）：所有用于描述实体的数字的组合就是一个实体的特征向量。对应一个空间（1维到n维）中的点。

特征提取：获取实体的特征向量的过程。

1 TensorFlow游乐场

链接：http://playground.tensorflow.org

功能：通过网页可视化的训练简单的神经网络。

页面截图：

    |- DATA：训练数据

    |- FEATURES：特征向量

    |- HIDDEN LAYERS：网络深度（隐藏层深度）

    |- OUTPUT：输出图像

    |- Epoch：迭代次数

    |- Learning rate：学习率

    |- Activation：激活函数

    |- Regularization：正则化

    |- Regularization rate：正则化率

    |- Problem type：问题类型

    |- 颜色说明：黄色越深，表示负的越厉害；蓝色越深，表示正的越厉害；白色表示“0”。

2 神经网络解决分类问题的步骤

    |- 1.提取特征向量

    |- 2.定义神经网络结构

    |- 3.训练神经网络，得到更好的神经网络参数

    |- 4.使用神经网络来预测未知数据