# 引言
虽然之前有过相关知识学习及项目的部署经验，却都是碎片化知识，而对于原理上并没有太多的理解认识。在一个大创项目的机会下开始系统的学习相关内容。总的计划是tf入手，后面会以C++为主学习实现李航博士《统计学习方法》，《算法导论》，《西瓜书》，花书以及其他入门书籍的相关算法和网络结构。
# 环境
- win10
- anaconda
- pycharm
新手必备环境工具，至于tf版本是cpu还是gpu，如果电脑驱动支持cudnn和cuda就优先gpu版本。更多详细安装
# 入门
import tensorflow as tf
#载入并准备好 MNIST 数据集。将样本从整数转换为浮点数：
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
#将模型的各层堆叠起来，以搭建 tf.keras.Sequential 模型。为训练选择优化器和损失函数：
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
#训练并验证模型：
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
现在感觉pytorch也香，主要是感觉跟C++配合食用比tf香？
这个话会慢慢更新，水平有限。