当前位置：首页 > article >正文

机器学习—代码中的推理

article 2024/11/7 6:00:07

TensorFlow是实现深度学习算法的领先框架之一，另一个流行的工具是圆周率火炬，在这篇文章中，我们专注于张量流，那么如何在代码中实现推理？

让我们深入了解神经网络的一个非凡之处，同样的算法可以应用于这么多不同的应用程序。

当你烤咖啡的时候，你要控制的两个参数是加热生咖啡豆的温度和烤豆子的时间，把它们变成烤得很好的咖啡豆，在这个稍微简化的例子中，创建了不同的温度和不同持续时间的数据集以及显示你烘焙的咖啡是否是好咖啡的标签，十字在哪里，正类y等于1对应于好咖啡，负类对应坏咖啡，所以看起来考虑这个数据集的合理方法是如果温度太低，它不会被烤，如果你煮的时间不够长，它最终会没有煮熟，持续的时间太短，也没有一套烤的很好的豆子，最后，如果你煮它，不是太久就是温度太高，最后你得到的是煮过头的豆子，所以也没有好咖啡。在这个小三角形里只有几个点对应着上好的咖啡，这个例子从实际的咖啡烘焙中简化了一点，尽管这个例子是为了说明而简化的，实际上有一些严肃的项目，利用机器学习优化咖啡烘焙。

因此，任务被赋予一个特征向量X和持续时间，如何在神经网络中进行推理，让它告诉我们，这种温度和持续时间设置是否会产生好咖啡。我们将X设置为两个数的数组，输入的特点是200摄氏度和17分钟，这里的第一层等于密度单位三次激活等于Z状结肠，创建一个隐藏的神经元层，有三个隐藏的的单元，并用作激活功能，这里的Z状结肠函数和稠密只是这一层的名称，最后计算激活值，然后创建第一层作为神经网络的第一个隐藏层，[3]也就是说这一层有三个单位或者三个隐藏的单位，用作激活函数。Z状结肠功能和致密是神经网络层的另一个名称，当你了解更多关于神经网络的知识，你还可以了解其它类型的层，但是现在我们就用这个致密层，对于我们所有的例子，接下来用第一层来计算1，实际上它是一个函数，并将这个函数层1应用于X的值，就是这样得到一个的，它将是一个由三个数字组成的列表，因为第一层有三个单元，所以这里的一个可能只是为了说明[0.2,0.7,0.3]是第二层，第二层现在会很密集，这次它有一个单元，Z状结肠的激活功能，然后你可以通过应用这一层来计算一个2，从第一层到第一层的激活值的两个函数，这将给你一个2的值，为了说明，可能是[0.8]，最后，如果你想阙值是0.5，然后可以预测a是否大于0.5，设y帽等于一个或零个正类或负类，因此，这就是你如何在神经网络中使用张量流进行推理，还有一些额外的细节没有这里说，例如：如何加载TensorFlow库以及如何同时加载神经网络的W和B。这些是前向传播的关键步骤，如何计算1和2，以及可选的阙值2。

在看一个例子，我们将回到手写数字分类问题，所以在这个例子中，X是像素强度值列表，所以X等于像素强度值列表的一个数字数组，然后初始化并执行向前一步的传播，第一层是一个密集的层，有两个五个单元和Z状结肠激活函数，然后你计算一个1等于应用于X的第一层函数，通过第二层构建和执行推理，然后计算一个2，因为第二层应用于一个1，最后第三层是第三层也是最后一层，最后你可以选择阙值为3，为y帽做一个二进制预测。