TensorFlow算法一般流程

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/fly_wt/article/details/84487177

今天看微信公众号，TensorFlow马上更新2.0版本吓得我马上裹紧了小被几。感觉年前调设备估计看不完了，死命令，必须要把小蓝书和数据分析搞定，要不然明年已然没有时间让你再去学新的东西。
下面记录TensorFlow算法一般流程：

1. 导入/生成要本数据集
2. 转换和归一化数据
   data = tf.nn.batch_norm_with_global_normalization(...)
3. 划分训练集/测试集/验证集
4. 设置超参数，一次性初始化
5. 初始化和占位
6. 定义模型结构
   y_pred = tf.add(tf.mul(x_input, weight_matrix), b_matrix)
7. 声明损失函数评估输出结果
8. 初始化模型和训练模型
9. 评估模型（利用验证集）
10. 调优超参数
11. 发布/预测结果
    以上是搭建神经网络的脉络。具体细节慢慢看吧，但是这周开始我一定要早睡了，早上能抽出空来写作。
    周末愉快~~~