《TensorFlow+Keras深度学习人工智能实践》阅读笔记

深度学习以大量矩阵模拟神经元的工作方式。矩阵运算特性：单一运算简单，但是需要大量运算，适合并行计算。

机器学习：

      1.训练数据由features和label组成

      2.机器学习两个阶段：训练，预测

      3.分类：有监督的学习，无监督的学习，增强式学习。

深度学习：

      1.通常有一个输入层，一个输出层，隐藏层可以有非常多层，所以称为深度学习。

      2.神经元的信息传导：输入神经元（轴突）->突触->接收神经元（树突）

      3.激活函数：仿真神经传导的工作方式，当接收神经元接收刺激总和经过激活函数的运算大于临界值的时候，会传递给下一个神经元。

      4.激活函数通常为非线性函数，Keras与TensorFlow支持的激活函数中最常见两种：Sigmoid,ReLU

      5.矩阵运算仿真神经网络

      6.多层感知器模型（MLP）

      7.反向传播算法

TensorFlow:

     1.由Tensor（张量/矩阵）与Flow（数据流）组成

      2.为了让TensorFlow在各种平台运行，所有TensorFlow程序会先建立计算图

      3.TensorFlow程序设计模式的核心是“计算图”，可分为两部分：建立计算图，执行计算图。

Keras&#x