機器學習理論主要是設計和分析一些讓電腦學習可以自動「演算法資料」的規律。機器學習演算法是一類從中自動分析獲得,並利用規律對未知資料進行預測的演算法。
所以資料的收集以及資料具體的意義 ,對於機器學習來說尤其重要。
tensorflow主要是利用下列兩者組成 :
tensor(張量) : 其實就是一個n維度的陣列或列表。如一維Tensor就是向量,二維Tensor就是矩陣。
flow(計算模型) : 是指 Graph 運算過程中的資料流。
資料流圖(Data Flow Graphs)是一種有向圖的節點(Node)與邊(Edge)來描述計算過程。圖中的節點表示數學操作。
亦表示資料 I/O 端點; 而邊則表示節點之間的關析,用來傳遞操作之間互相使用的多維陣列(Tensors),而 Tensor 是在圖中流動的資料表示。
學習tensorflow的過程中,用到了許許多多的數學以及統計,才讓我發現數學以及統計的重要,也因此我個人學習的速度十分緩慢,所以這邊的步調應該會慢蠻多的,但是明天將正式進入tensorflow的安裝,在安裝部分,因為有許多不同的系統以及安裝方法,所以可能又會花一些時間去講解,慢慢寫也讓我有更多的時間準備後續XDD。
1.TensorFlow 筆記 (https://hackmd.io/s/HJxsUvOpg)
2.維基百科(https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0)