开发人员经常说，如果你想开始机器学习，你应该首先学习算法。但是我的经验则不是。我说你应该首先了解：应用程序如何工作。一旦了解了这一点，深入探索算法的内部工作就会变得更加容易。那么，你如何开发直觉学习，并实现理解机器学习这个目的？一个很好的方法是创建机器学习模型。假设您仍然不知道如何从头开始创建所有这些算法，您可以使用一个已经为您实现所有这些算法的库。那个库是TensorFlow。在本文中，我们将创建一个机器学习模型来将文本分类到类别中。我们将介绍以下主题：TensorFlow的工作原理什么是机器学习模型什么是神经网络神经网络如何学习如何操作数据并将其传递给神经网络如何运行模型并获得预测结果你可

Numpy简单创建数组importnumpyasnp#创建简单的列表a=[1,2,3,4]#将列表转换为数组b=np.array(b)Numpy查看数组属性数组元素个数b.size数组形状b.shape数组维度b.ndim数组元素类型b.dtype快速创建N维数组的api函数创建10行10列的数值为浮点1的矩阵array_one=np.ones([10,10])创建10行10列的数值为浮点0的矩阵array_zero=np.zeros([10,10])从现有的数据创建数组array(深拷贝)asarray(浅拷贝)Numpy创建随机数组np.random均匀分布np.random.rand(1

TensorFlow的基础运算在搞神经网络之前，先让我们把TensorFlow的基本运算，也就是加减乘除搞清楚。首先，TensorFlow有几个概念需要进行明确：1图（Graph）：用来表示计算任务，也就我们要做的一些操作。2会话（Session）：建立会话，此时会生成一张空图；在会话中添加节点和边，形成一张图，一个会话可以有多个图，通过执行这些图得到结果。如果把每个图看做一个车床，那会话就是一个车间，里面有若干个车床，用来把数据生产成结果。3Tensor：用来表示数据，是我们的原料。4变量（Variable）：用来记录一些数据和状态，是我们的容器。5feed和fetch：可以为任意的操作(a