机器学习--0.0

Posted 2020-12-17 cherrypill

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习--0.0相关的知识，希望对你有一定的参考价值。

闲话

机器学习终于开坑了！！

机器学习当然要tensorflow+gpu啦（可我没有/(ㄒoㄒ)/~~）

学学基础tensorflow+cpu应该也可以吧

之前是直接看吴恩达的视频，那些算法原理懂了个大概，结果发现根本就无法实现...也无法理解 tf 里面那些函数的作用（后来发现是tensorflow的锅

所以这次准备再系统学习一遍

找基于tf 2 做机器学习的资源找了好半天

最后感觉还是这个视频讲的最详细 ~~虽然还是tensorflow 1.x~~

https://www.bilibili.com/video/BV1ua4y1t7Ws?

他是先一步步手码实现实战实例，之后再用tf的函数来进行简化，更好让人理解原理和实现

~~tensorflow2.x的代码可以网上找~~

下面是正文

函数功能

只列举一部分。 ~~需要的时候谁会看这个？直接搜索引擎不好吗~~

其实tf和numpy基础功能也差不多，用tf 2 也是为了更好和numpy兼容|更方便

tf.zeros(shape,dtype=tf.float32) 全0
tf.zeros_like(x) 直接根据x的dim来创建 0 matrix <==> tf.zeros(x.shape)
tf.ones(shape,dtpye=tf.float32) 全1
tf.ones(x) 创建一个标量|dim=0
tf.ones([]) 创建一个 1*1的向量,值为 x
tf.ones([x])** 创建向量 shape=x
tf.math.log :以e为底的对数函数
tf.exp :指数函数
tf.uniform(shape,minval,maxval,dtpye) 均匀变化的数组
tf.random.normal(shape,mean(均值默认0),stddev(方差默认1))
tf.fill(dim,value) 填充数字
tf.random.shuffle(x) 将 x数组随机打乱

上面这些都和numpy没啥区别

tf.gather(a,axis,idx) axis可以指定轴，然后这个轴按照idx这个list中的顺序取a的数据**

a.shape=[4,2,3,1] idx=[1,0,0,2]

a.shape=[2,4,4,3]

tf.constant(value,shape) 填充常数数字
返回维度

x.ndim

类型转换

# numpy转化为tensor
xxx=tf.covert_to_tensor(name,dtype) 
# 转换为numpy
x.numpy()
# 判断是否为tensor类型 
tf.is_tensor(x)
# dataframe类型转换为 onehot
data=pd.get_dummies(data,prefix=data.colums)
# tf类型转onehot
# dep是data中最大的数字+1
data=tf.onehot(data,depth=)

shape|dim 操作

# 将x张量 变成shape形
tf.reshape(xx,shape) 
# -1代表这个维度的所有
tf.reshape(xx,[-1,xxx])
# 将x转化为1*depth的one_hot向量
tf.one_hot(x,depth)
# xx张量增加第axis个维度（axis是从0开始）
tf.expand_dim(xx,axis)


# 感觉这后面的都不常用了

tf.transpose(a,vector(如[x1,x2,x3,x4]))
# 相当于将原来图像做变换
# 比如原来是[n,h,w,c] vector=[0,3,2,1]
# ==> [n,c,w,h] 这样可以使content不改变 ‘实质‘

# 将xx张量按axis和list分割成其他的张量
tf.split(xx,list,axis) 

# xi是张量，axis 表示张量在哪个轴上拼接
tf.concat([x1,x2,xn],axis) 
# 例如axis=0，则 [[x1],[x2]],axis=1,[[x1,x2]]

# 删去axis轴
tf.squeeze(x,axis) 
# 例如 axis=0，xx=[[x1],[x2],[x3],[x4]],list=[1:2:1]
# output：[x1] [[x2],[x3]] [x4]
# 如果list是一个数代表平均分为list个张量

机器学习中维度的‘含义‘

dim=3

句子：一共有几个句子，每个句子有几个单词，每个单词被看作多少维向量

[num,len,vector_dim]

dim=4
二维卷积必须是四维
照片：一共有多少张照片，每个照片的大小（h，w），有几个通道

[num,height,weight,channel]

dim=5 |不太懂...

就是把一个总任务分割成了多个任务同时处理,每次处理的个数就成了第一维

[batch,num,h,w,rgb]

卷积神经网络 CNN

基本参数概念

filter

俗称卷积核：要设定长宽，但这个具体数值是后面自己学习来的，类似于神经网络中的 w（权值）

卷积核的长宽除了第一次是自己设定，后面都会有求解的公式

一般卷积核和input的二维数组都是正方形所以K=W1=H1

**卷积核大小 F 步长 S 边界填充P 卷积核个数K **

W2 = (W1 -F +2*P)/S+1

H2=(H2-F+2*P)/S+1

厚度=K 这个是忽略输入本身厚度比如输入的彩色图片厚度是3，但是 K=10 厚度不是30还是10

但是 padding=same的话宽高是可以不变的，因为是自动选取padding，少了会自动设置padding使w不变

~~tensroflow2.x 都自动帮你计算好了，‘‘随便‘‘ 配置都行，甚至都不要你自己变onehot编码~~