一、Процесс моделирования в TensorFlow

Хотя TensorFlow достаточно гибок в дизайне и может использоваться для выполнения различных сложных числовых вычислений.

Однако обычно люди используют TensorFlow для реализации моделей машинного обучения, особенно часто он применяется для создания моделей нейронных сетей.

С точки зрения принципа работы можно использовать тензоры для построения вычислительной диаграммы, чтобы определить нейронную сеть, и обучить модель с помощью механизма автоматического дифференцирования.

Но для краткости обычно рекомендуется использовать высокоуровневый интерфейс keras в TensorFlow для создания сетевых моделей нейронных сетей.

Общий процесс создания модели нейронной сети в TensorFlow включает:

1. Подготовка данных
2. Определение модели
3. Обучение модели
4. Оценка модели
5. Использование модели
6. Сохранение модели.

Для новичков самым сложным этапом на практике является подготовка данных.

В нашей практике мы обычно сталкиваемся со следующими типами данных: структурированные данные, изображения, текст, временные ряды.

Мы продемонстрируем методы моделирования TensorFlow для этих четырёх типов данных, используя в качестве примеров задачу прогнозирования выживания на «Титанике», задачу классификации изображений CIFAR-2, задачу классификации отзывов о фильмах IMDB и задачу прогнозирования времени окончания эпидемии COVID-19 в Китае.

Если у вас есть вопросы по содержанию этой книги и вы хотите пообщаться с автором, вы можете оставить комментарий в общедоступной учётной записи «Алгоритм и вкуснятина». Автор ответит при возможности.

Вы также можете отправить сообщение через учётную запись, написав в ответ ключевое слово: присоединиться, чтобы присоединиться к группе обсуждения читателей.