基本操作

基本的计算pipeline:

1.数据处理：比如图片减去平均值，正则化等

2.将数据分为 train sets,test sets,validation sets

3.设置超参数：比如learning rate 这些

4.变量与占位符的初始化（Initialize variables and placeholders）

在计算中tf要知道什么数据是可以修改的（比如权重w,偏置b等用variables),什么是变化的但是不可修改的(比如x,y等），同时还要注明数据类型tf.float32或者其他

5.定义模型（Define the model structure）：

在有了数据和初始化好变量和网络参数后，就开始定义模型。

6.定义loss函数（Declare the loss functions）

loss函数描述和计算值和实际值的偏差，用来计算优化方向

# Define loss and optimizer

cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=Y))

7.Initialize and train the model

做好上面的步骤后就可以开始初始化和训练我们的模型

8.模型评价（Evaluate the model）

对于训练好的模型，需要用验证集去测试实际的效果

9.超参数fine tune