ML: 2-3 neural network 代码理解

1. 如何用代码实现推理

1.1 介绍

1. Tensorflow是实现深度学习算法里的领先的框架之一。
2. Tensorflow和PyTorch一样都很常用。这节课会着重于Tensorflow，。
3. 神经网络特点之一：是相同的算法可以被应用到很多不同的应用程序里。

1.2 案例1：咖啡豆的烘焙问题。

1. 温度太低/时间太短—undercoked
2. 温度太高/时间太长—overcoked
3. 用神经网络来优化咖啡豆的烘焙。
4. temp 200，duration 17: 算法会告诉我们它是否为好的咖啡。

5. 将input输入
6. layer_1里设置3个neurons，activation为sigmoid函数的神经网络算法。
7. dense为这层layer的类型。

8. 继续设置layer_2
9. a2的值为output，用a2来跟threshold比较。

1.3 案例2: 手写数字的分类问题。

2. Tensorflow中的数据形式【code理解】

【了解Tensorflow如何处理数据】

2.1 Tensorflow如何表达数据。

1. double squared brackets [[]]表示什么？？？【表示2D数据】

2. Numpy如何储存vector和matrices？？？
- 用array来表示（按行存，每行用一个list表示）

3. Numpy arrays的区别
1. 是1行2列的matrix。【row vector】
2. 是2行1列的matrix。【column vector】
3. 只有一个squared bracket：【1D“vector”， 而不是2维的matrix。只是一组数据的list】
4. 在Tensorflow里用2D形式来表达数据。跟线性/逻辑回归不同，它俩用1D。

5. 把a1打印出来的结果如图
6. float32: 表示这个float在计算机占32bits的内存。
7. Tensor是一种数据类型，由Tensorflow创立团队建设的，能有效储存matrices的计算。
8. 使用a1.numpy()可以将Tensor数据类型转回Numpy array。

3. 搭建一个神经网络

【了解另一种构建neural networks的code方法】

1. 回顾： 如图，这是上面学习的一种实现neural network的方法。
   
2. 另一种方法：
   （1）设置layer1、layer2。然后不用手动获取数据（a1，a2）传递到下一层。
   （2）使用sequential()函数将layer1、layer2串起来。
   （3）将training data输入进去。
   （4）使用model.complie() 、model.fit(x，y)
   （5）使用model.predict()让计算机帮忙做forward propagation，预测x_new值。

3. 使用新方法，对手写数字进行预测。
   1. 设置layer信息。
   2. 使用sequential()指定什么是layer1,layer2等等。
   3. 使用.compile() 将model编译。
   4. 输入input
   5. 使用.fit(x,y)
   6. 使用模型进行预测model.predict(x_new)。

• 这里layer1-3可以直接写进sequential()里面。