Day: July 28, 2022

我在90年代有很好的樂趣寫神經網絡軟件，我急於嘗試使用Tensorflow創建一些。 谷歌的機器智能框架現在是新的熱門。當Tensorflow在覆盆子PI上安裝時，使用它變得非常容易。在短時間內，我製作了一個在二進製文件中計算的神經網絡。所以我以為我會通過我到目前為止學到的東西。希望這使得任何想要嘗試它的人，或者對於只需要對神經網絡有所了解的人來說，它更容易。 什麼是tensorflow？ 要引用Tensorflow網站，Tensorflow是一個“使用數據流圖的數字計算開源軟件庫”。 “數據流圖”是什麼意思？好吧，這是真棒的部分。但在我們可以回答之前，我們需要談談一個簡單的神經網絡的結構。 二進制計數器神經網絡 神經網絡的基礎知識 簡單的神經網絡具有一些輸入單元，輸入到達。它也有隱藏的單位，所謂的，因為從用戶的角度來看，他們就是隱藏的。並且有輸出單元，我們從中獲得結果。關閉側面也是偏置單元，這些單元在那裡有助於控制隱藏和輸出單元發出的值。連接所有這些單元是一堆權重，這只是數字，每個單位都與兩個單位相關聯。 我們將智能灌輸到這個神經網絡的方式是為所有這些權重分配值。這就是培訓神經網絡的所作的，找到那些權重的合適值。一旦培訓，在我們的示例中，我們將分別將輸入單元設置為0,0和0，TensorFlow將與之間的所有內容進行任何內容，輸出單元將神奇地包含二進制數字0,0和分別為1。如果你錯過了，它知道二元000後的下一個數字是001.對於001，它應該吐出010，所以最多111，其中它會吐出000.一旦那些重量適當地設置，它’LL知道如何計算。 二進制計數器神經網絡與矩陣 “運行”神經網絡的一步是通過其輸入單元的值將每個權重的值乘以，然後將結果存儲在相關聯的隱藏單元中。 我們可以重繪單位和權重用作為陣列，或者在Python中所謂的列表。來自數學立場，他們是矩陣。我們只重新繪製了圖中的一部分。將輸入矩陣乘以權重矩陣涉及簡單的矩陣乘法，從而產生五個元素隱藏矩陣/列表/數組。 從矩陣到張量 在Tensorflow中，這些列表稱為Tensors。並且矩陣乘法步驟稱為操作，或者程序員中的操作，如果您計劃讀取TensorFlow文檔，則必須習慣使用。進一步拍攝，整個神經網絡是一個張量的集合和操作的操作。完全彌補了一個圖表。 二進制櫃檯的完整圖表 二層擴張 這裡顯示的是快照所採取的Tensorboard，一種用於可視化圖形的工具，以及在訓練期間和之後檢查張量值。張量是線條，寫在線上是張量的尺寸。連接張量是所有操作系統，儘管可以雙擊您所看到的一些東西，以便在第二個快照中為Dialls1所做的更詳細信息，以便更詳細地展開。 在非常底部是x，我們為佔位符op提供的名稱，允許我們為輸入張量提供值。從它到左側的線路是輸入張量。繼續遵循這一點，您會找到Matmul OP，該OP與該輸入張量和扭矩一起乘法，這是導致Matmul OP的另一行。這種張量代表了重量。{...}