如何開始使用Tensorflow

Question

我非常新的Tensorflow，我目前學習它通過特定網站https://www.tensorflow.org/get_started/get_started

它是在手冊中說：

我們已經創建了一個模型，但我們不知道它有多好。爲了評估訓練數據模型，我們需要一個y佔位符來提供所需的值，並且我們需要編寫一個損失函數。

損失函數用於衡量當前模型距提供的數據有多遠。我們將使用線性迴歸的標準損失模型，它將當前模型與提供的數據之間的增量的平方相加。 linear_model - y創建一個向量，其中每個元素是相應示例的錯誤增量。我們稱tf.square來排除那個錯誤。然後，我們總結所有的誤差平方來創建使用tf.reduce_sum抽象的所有實例的錯誤單個標：」

Q1。‘我們不知道它有多好還’，我沒不理解這句話，因爲所創建的簡單模型是一個簡單的斜率方程和它應該訓練的內容，因爲模型是一個簡單的斜率。是否需要一個完美的斜率或什麼？ 我爲什麼要訓練這個模型，什麼？

q2.what是虧損的功能？是損失函數是用來確定模型的準確性？爲什麼需要它？

Q3。我不明白「「蘇MS當前模型和所提供的數據之間的增量的平方「

q4.I沒有理解這部分代碼，」 squared_deltas = tf.square(linear_model - y)

這是代碼：

y = tf.placeholder(tf.float32) squared_deltas = tf.square(linear_model - y) loss = tf.reduce_sum(squared_deltas) print(sess.run(loss, {x:[1,2,3,4], y:[0,-1,-2,-3]}))

這可能是簡單的問題，但我是Tensorflow的初學者，很難理解它。

Answer 1

1）所以你對「爲什麼要訓練一個簡單的問題」是正確的，但這只是一個介紹。通過任何機器學習任務，您需要評估您的模型，看看它有多好。在這種情況下，您只是試圖找到最適合線的係數。

2）任何機器學習環境中的損失函數都表示您的模型出現錯誤。這通常意味着你的計算值與地面真值之間的「距離」的函數。將其視爲內部評估分數。你想最大限度地減少你的損失，所以梯度和參數的變化是基於你的損失。

3/4）你的問題在這裏更多的是與最小二乘迴歸。這是一種統計方法，可以在點之間創建最佳擬合線。增量表示您的計算值與真值之間的差異。其目的是最小化廣場的面積，從而減小誤差，並有更好的配合。

您在本Tensorflow例如在做什麼是創建一個機器學習模型，將學習的係數，以獲得最佳的自動線採用最小二乘法爲基礎的系統。

Answer 2

幾乎所有的問題都與損失函數有關。

損失函數是一個函數，用於確定您的輸出與預期（正確）輸出的距離。

它有兩個用途：

• 幫助算法確定權重的的調整有助於在好還是壞的方向發展

• 確定性的準確性（〜的時間數量去你的系統猜測正確答案）

損失函數是增量女巫的總和：預期之間加入DIFF（增量的）輸出和實際輸出。

我認爲這是放大算法所產生的錯誤的平方。