Tensorflow - En innføring

Jeg bare lærer norsk men jeg tror at på denne måte jeg kan lære språket.

1) Allmenn

Tensorflow er et bibliothek for maskinlæring. Det var skrevet med Python, C++ og CUDA. Hva gjør Du? I utgangspunktet bygger Du en graf og dermed kan du utføre beregninger.
Du kan lage konstanter:
a = tf.constant(thing, dtype= tf.float32, name="a_constant")
Du kan lage variabler:
norge = tf.Variable(5258000, name="Norgesbefolkning")
Du kan lage "sessions":
with tf.Session() as session:
session.run(init)

2) Keras

Du kan bruke Keras API-et hvis du vil abstrakte litt.
Vi snakke om Keras her.

3) Tensorboard

4)Lineær regresjon

Vi erklærer to variabler: weight og bias
W = tf.Variable(rng.randn(), name="weight")
b = tf.Variable(rng.randn(), name="bias")
Vi erklærer en lineær modell:
pred = tf.add(tf.multiply(X, W), b)
Vi beregner den gjennomsnittlige kvadratfeilen om å få kosten.
cost = tf.reduce_sum(tf.pow(pred-Y, 2))/(2*n_samples)
Vi lager nå en optimizer:
learning_rate = 0.01
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)
TO BE CONTINUED!

5) Konvolusjonelle Nettverk

6) Tilbakevendende Nettverk

7) Autoencoders

En autoencoder er et neuralt nettverk som brukes til å lære effektive datakodinger på en ikke-overvåket måte.
Vi bruker en autoencoder til å lære en representasjon med data, typisk for dimensjonsreduksjon, En autoencoder har to deler: en encoder og en decoder.