# 目錄 * [ 1. 什么是機器學習](#1) * [ 2. 什么神經網絡](#1) * [ 3. tensorflow介紹](#2) </br> <h2 id="1">1. 什么是機器學習</h2> 利用**計算機**從**歷史數據**中找出**規律**，并把這些規律用到對**未來不確定場景的決策**。 + 場景： 確定性場景 vs 不確定性場景 日升日落 下一個月的銷售額 + 主角：計算機 避免由于人的經驗，知識水平的依賴 + 歷史數據： 通常比較大，大于50條 + 規律： 通過一系列機器學習的算法，找出一個數學函數，實現y=f(x) 數學函數通過計算機自動生成，而不是通過編程用類似if-else般的 實現 找規律，傳統的做法：從總體中抽取樣本，計算各種統計學指標，用來代表整體的指標。 問題： 不能真實的表現總體的情況，需要做驗證：->抽樣->描述統計->假設檢驗 大數據時代： 直接對全量的數據做處理。 **機器學習發展的原動力** + 從歷史數據中找出規律， 把這些規律用到對未來自動做出決定 + 用數據代替export + 經濟驅動，數據變現 **典型應用** 1. 購物籃分析 ： 尿不濕與啤酒， 亞馬遜購物 2. 聚類 ： 精準營銷-用戶細分 3. 樸素貝葉斯： 垃圾郵件識別，貸款審核 4. CTR預估： 互聯網廣告，推薦系統-經常一起購買的商品 5. 自然語言處理 (1) 情感分析 (2) 實體識別： 內容提取 6. 圖片識別：（目前深度學習的主要應用方向） 7. 自動駕駛 8 語音識別，人臉識別，個性化醫療，手勢識別，虛擬助力，智能機器人，機器實時翻譯（谷歌翻譯） </br> **機器學習解決問題的框架** 確定目標 ： 業務需求 -> 數據 -> 特征工程 訓練模型 ： 定義模型 -> 定義損失函數 -> 優化算法 模型評估： 交叉驗證 -> 效果評估 （準確率，召回率 ……） </br> <h2 id="2">2. 什么是神經網絡</h2> [參考鏈接](http://blog.csdn.net/zzwu/article/category/243067) </br> <h2 id="3">3. tensorlow介紹</h2> 2015年11月9日谷歌開源了人工智能系統TensorFlow，同時成為2015年最受關注的開源項目之一。TensorFlow的開源大大降低了深度學習在各個行業中的應用難度。TensorFlow的近期里程碑事件主要有： 2016年11月09日：TensorFlow開源一周年。 2016年09月27日：TensorFlow支持機器翻譯模型。 2016年08月30日：TensorFlow支持使用TF-Slim接口定義復雜模型。 2016年08月24日：TensorFlow支持自動學習生成文章摘要模型。 2016年06月29日：TensorFlow支持Wide & Deep Learning。 2016年06月27日：TensorFlow v0.9發布，改進了移動設備的支持。 2016年05月12日：發布SyntaxNet，最精確的自然語言處理模型。 2016年04月29日：DeepMind模型遷移到TensorFlow。 2016年04月14日：發布了分布式TensorFlow。 TensorFlow是一種基于圖計算的開源軟件庫，圖中節點表示數學運算，圖中的邊表示多維數組（Tensor）。TensorFlow是跨平臺的深度學習框架，支持CPU和GPU的運算，支持臺式機、服務器、移動平臺的計算，并從r0.12版本開始支持Windows平臺。 TensorFlow 是一個編程系統, 使用圖來表示計算任務. 圖中的節點被稱之為 op (operation 的縮寫). 一個 op 獲得 0 個或多個 Tensor, 執行計算, 產生 0 個或多個 Tensor. 每個 Tensor 是一個類型化的多維數組. 例如, 你可以將一小組圖像集表示為一個四維浮點數數組, 這四個維度分別是 [batch, height, width, channels]. 一個 TensorFlow 圖描述了計算的過程. 為了進行計算, 圖必須在 會話 里被啟動. 會話 將圖的 op 分發到諸如 CPU 或 GPU 之類的 設備 上, 同時提供執行 op 的方法. 這些方法執行后, 將產生的 tensor 返回. 在 Python 語言中, 返回的 tensor 是 numpy ndarray 對象。 </br> <h3 id="3.1">3.1 安裝</h3> Tensorflow提供了各種安裝方式，包括Pip安裝，Virtualenv安裝，Anaconda安裝，docker安裝，源代碼安裝。 首先安裝 pip (或 Python3 的 pip3 ): ``` # Ubuntu/Linux 64-bit $ sudo apt-get install python-pip python-dev # Mac OS X $ sudo easy_install pip ``` Linux系統下，使用Pip的安裝流程如下： ``` # Ubuntu/Linux 64-bit, CPU only, Python 2.7: $ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl # Ubuntu/Linux 64-bit, GPU enabled, Python 2.7. Requires CUDA toolkit 7.5 and CuDNN v4. # For other versions, see "Install from sources" below. $ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl ``` TensorFlow會安裝到/usr/lib/python2.7/site-packages/tensorflow目錄下。 </br> MacOS ``` # Mac OS X, CPU only: $ sudo easy_install --upgrade six $ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0-py2-none-any.whl ``` </br> <h3 id="3.2">3.2 常用API</h3> 使用 TensorFlow, 你必須明白 TensorFlow: + 使用圖 (`graph`) 來表示計算任務. + 在被稱之為 會話 (`Session`) 的上下文 (context) 中執行圖. + 使用 tensor 表示數據. + 通過 變量 (`Variable`) 維護狀態. + 使用 feed 和 fetch 可以為任意的操作(arbitrary operation) 賦值或者從其中獲取數據. tf.random_uniform([1], -1.0, 1.0)： 構建一個tensor, 該tensor的shape為[1]，該值符合[-1, 1)的均勻分布。其中[1]表示一維數組，里面包含1個元素。 tf.Variable(initial_value=None)： 構建一個新變量，該變量會加入到TensorFlow框架中的圖集合中。 tf.zeros([1])： 構建一個tensor, 該tensor的shape為[1], 里面所有元素為0。 tf.square(x, name=None)： 計算tensor的平方值。 tf.reduce_mean(input_tensor)： 計算input_tensor中所有元素的均值。 tf.train.GradientDescentOptimizer(0.5)： 構建一個梯度下降優化器，0.5為學習速率。學習率決定我們邁向（局部）最小值時每一步的步長，設置的太小，那么下降速度會很慢，設的太大可能出現直接越過最小值的現象。所以一般調到目標函數的值在減小而且速度適中的情況。 optimizer.minimize(loss)： 構建一個優化算子操作。使用梯度下降法計算損失方程的最小值。loss為需要被優化的損失方程。 tf.initialize_all_variables() / tf.global_variables_initializer()： 初始化所有TensorFlow的變量。 tf.Session()： 創建一個TensorFlow的session，在該session種會運行TensorFlow的圖計算模型。 sess.run()： 在session中執行圖模型的運算操作。如果參數為tensor時，可以用來求tensor的值。 <h2 id="99">附錄</h2> 1. [TensorFlow官方鏈接](https://www.tensorflow.org/)</br> 2. [極客學院：TensorFlow 官方文檔中文版](http://wiki.jikexueyuan.com/project/tensorflow-zh/)</br> 3. [官方GitHub倉庫](https://github.com/tensorflow/tensorflow) 4. [中文版 GitHub 倉庫](https://github.com/jikexueyuanwiki/tensorflow-zh)