A New Programming Paradigm

参考：Ubuntu 16 安装TensorFlow及Jupyter notebook 安装TensorFlow。

本篇博客翻译来自 Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning

仅供学习、交流等非盈利性质使用！！！

1. 神经网络的“Hello World”

给定如下的一组数字，如何拟合？

X = -1, 0 ,1 ,2 , 3, 4
Y = -3, -1,1 ,3 , 5, 7

如果用神经网络的方式该如何解决？

神经网络的解决方案是这样子的：

① 抽选一个拟合函数来对所有数据进行拟合；

② 使用损失函数来判读这次拟合的好坏；

③ 同时使用优化器来修改拟合函数，再次拟合；

④ 重复上面的步骤到指定次数，或收敛。

上面步骤的具体代码过程如下：

定义模型

model = keras.Sequential([keras.layers.Dense(units=1,input_shape=[1])])

keras.layers.Dense :定义一层神经网络；
units：这层神经网络中神经元的个数，如上面代码中，只有一个神经元；
input_shape：说明输入的数据的维度；
keras.Sequential : 定义一个线性模型；

定义损失函数

model.compile(optimizer='sgd', loss='mean_squared_error')

损失函数就是指的是这次拟合的效果好坏，比如应用这次拟合后，预测值和真实值一点也不差，那么就说明拟合比较好。

设置输入、输出

xs = np.array([-1, 0 ,1 ,2 , 3, 4] , dtype = float)
ys = np.array([-3, -1,1 ,3 , 5, 7] , dtype = float)

拟合参数

model.fit(xs, ys, epochs = 500)

调用模型的fit函数即可来拟合模型的参数，而epochs则指的是拟合多少次。设置500次后，进行拟合，可以得到下面的结果：

Epoch 1/500
6/6 [==============================] - 1s 101ms/sample - loss: 60.8370
Epoch 2/500
6/6 [==============================] - 0s 501us/sample - loss: 48.2978
...
Epoch 499/500
6/6 [==============================] - 0s 451us/sample - loss: 7.3124e-05
Epoch 500/500
6/6 [==============================] - 0s 518us/sample - loss: 7.1621e-05

可以看到，最后拟合误差已经非常接近 0 了。

预测新数据：

print(model.predict([10.0]))

[[18.97531]]

从预测结果来看结果非常接近19（如果用2x-1 = y 来拟合的话，结果就是19）。

所以结果不是19的理由是：

训练数据非常少，仅有6组数据；
10的预测结果有很大可能是19，但是神经网络并不能够确定，所以这里给出了一个概率值。

code download： link1 或 link2

拓展： From rules to data

说的就是：之前的给定一个规则和输入数据，然后就可以推测出新的数据的结果。而现在是给定输入输出数据，然后让神经网络模型训练，训练后，给新的输入即可得到输出，这就是和之前的不同。

2. Quiz:

第 1 个问题
The diagram for traditional programming had Rules and Data In, but what came out?

Binary
Machine Learning
Bugs
Answers

第 2 个问题
The diagram for Machine Learning had Answers and Data In, but what came out?

Rules
Models
Binary
Bugs

第 3 个问题
When I tell a computer what the data represents (i.e. this data is for walking, this data is for running), what is that process called?

Labelling the Data
Categorizing the Data
Programming the Data
Learning the Data

第 4 个问题
What is a Dense?

A layer of disconnected neurons
Mass over Volume
A single neuron
A layer of connected neurons

第 5 个问题
What does a Loss function do?

Figures out if you win or lose
Generates a guess
Decides to stop training a neural network
Measures how good the current ‘guess’ is

第 6 个问题
What does the optimizer do?

Generates a new and improved guess
Measures how good the current guess is
Decides to stop training a neural network
Figures out how to efficiently compile your code

第 7 个问题
What is Convergence?

The process of getting very close to the correct answer
A programming API for AI
A dramatic increase in loss
The bad guys in the next ‘Star Wars’ movie

第 8 个问题
What does model.fit do?

It makes a model fit available memory
It optimizes an existing model
It trains the neural network to fit one set of values to another
It determines if your activity is good for your body

My guess:
1. D
2. A
3. D
4. D
5. D
6. A
7. A
8. C

3. Excise

房屋价格预测：一般来说，一个房子需要花费50k+50k，通常50K是底价，然后每加1间房，增加50K，所以1间房一般花费100k，2间房花费150k，以此类推。
那么如果7间房，耗费多少呢？接近400K么？
Hints：100K可以只使用1来代替。

import tensorflow as tf
import numpy as np
from tensorflow import keras
model = # Your Code Here#
model.compile(# Your Code Here#)
xs = # Your Code Here#
ys = # Your Code Here#
model.fit(# Your Code here#)
print(model.predict([7.0]))

The Answers: excise answer.

Coursera TensorFlow 基础课程-week1

A New Programming Paradigm

1. 神经网络的“Hello World”

2. Quiz:

3. Excise

猜你喜欢