TensorFlow 编程的基本流程

1. 数据集

1. 训练集
2. 验证集
3. 测试集
数据的格式：cvs，idbm，hdf5

2. 创建模型

1. 创建网络层
2. 定义激活函数

 model = tf.keras.Sequential([
       tf.keras.layers.Dense(10, activation="relu", input_shape=(4,)),  
       tf.keras.layers.Dense(10, activation="relu"),
       tf.keras.layers.Dense(3)
])

3. 训练

1. 定义损失函数
2. 计算梯度
3. 优化器
4. 训练循环

def loss(model, x, y):
  y_ = model(x)
  return tf.losses.sparse_softmax_cross_entropy(labels=y, logits=y_)

def grad(model, inputs, targets):
  with tf.GradientTape() as tape:
    loss_value = loss(model, inputs, targets)
  return tape.gradient(loss_value, model.variables)

optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.01)

4. 评估模型

5. 预测

附：TensorFlow API 层的编程堆栈