Tf.keras
编写tensorflow编程网络 可以与TensorFlow集成使用。
Anaconda使用
conda包管理器
conda 一个包管理器
conda install * 安装
conda updata * 升级*
conda remove * 卸载 *
conda -version 命令检查是否安装正确
conda list 查询
conda加快下载速度
conda默认是国外的源 添加国内源 加快下载速度。
开发环境搭建
创建虚拟环境 conda create -n kr python 3.6
进入虚拟环境 conda activate kr
Keras CPU 版本的安装
tensorflow 2.1将Gpu Cpu集成到了一起,2.0只有cpu
pip install tensorflow 2.0 -i https://pypi.doubanio.com/simple
豆瓣源是速度最快的源再安装keras
pip install keras -i https://pypi.doubanio.com/simple
keras后端
Keras CPU 版本的安装
先安装后端 tensorflowtensorflow 2.1将Gpu Cpu集成到了一起,2.0只有cpu
conda install tensorflow-gpu 2.0.0
关键点 需设置conda国内源
nvidia驱动版本大于410 nvidia-smi 查看所需版本
python版本为3.6、3.7
系统为64位再安装keras
pip install keras -i
https://pypi.doubanio.com/simple
jupyter notebook
打开web交互式开发环境
conda install nb_conda
什么是逻辑回归
Sigmoid函数
概率分布的分类问题 将概率表示成分类问题。
逻辑回归损失函数
平方差所惩罚的是与损失为同一数量级的情形
对于分类问题 我们最好使用交叉熵损失函数 因为交叉熵会输出一个更大的损失。
交叉熵损失函数
交叉熵实际上刻画的是实际输出概率与期望输出与概率的距离 即交叉熵的值越小 两个概率分布越接近 假设概率分布p为期望输出 概率分布q为实际输出 H(p,q)为交叉熵。则 。
keras交叉熵
keras中使用binary_crossentropy 来计算二元交叉熵
softmax分类
输出多个选项的概率分布 当只有两个类别与对数二分类回归完全相同。
keras中使用categorical_crossentropy和sparse_categorical_crossentropy计算softmax交叉熵。
