Tensorflow学习笔记（一）

1.深度学习解决问题的核心：自动将简单的特征组合成更复杂的特征，并使用这些组合特征解决问题

特点：多层、非线性

2.
Top-5错误率：一个图片经过网络，得到预测类别的概率，如果概率前五（top-5）中包含正确答案，即认为正确。top-5错误率就是Top-5 = （正确标记 不在 模型输出的前5个最佳标记中的样本数）/ 总样本数

Top-1错误率：一个图片，如果概率最大的是正确答案，才认为正确。Top-1 = （正确标记 不是 模型输出的最佳标记的样本数）/ 总样本数

3.TensorFlow主要依赖包：Protocol Buffer和Bazel

  Protocol Buffer:处理结构化数据，此外，还有XML和JSON
  Bazel:自动化构建工具

4.Tensorflow数据模型：张量

5.Tensorflow目前支持的随机数生成器：

6.Tensorflow初始化所有变量：

 init_op = tf.initialize_all_variables()
 sess.run(init_op)

7.输入数据：placeholder机制，定义了一个位置
8.经典损失函数：

(1)交叉熵：
(2）Softmax:将输出结果变成概率分布
(3)回归问题：均方误差（MSE）
(4)自定义损失函数

9.Tensorflow会话：

 sess = tf.InteractiveSession():回话获取张量
 print(result.eval())
 sess.close()

参考：
1.Tensorflow+实战Google深度学习框架
2.https://blog.****.net/qq_36415932/article/details/83029564