三天入门:港科大Tensorflow速成教程

需积分: 12 3 下载量 190 浏览量 更新于2024-07-18 收藏 11.94MB PPTX 举报
本课程是香港科技大学提供的三天速成Tensorflow教程,专为想要进入人工智能与机器学习领域的初学者设计。课程的重点集中在Google的Tensorflow库上,帮助学员快速掌握深度神经网络(Deep Neural Networks)的基础知识和实践应用。 在课程的早期部分,学生将复习机器学习的基本概念,包括线性回归(Linear Regression)和逻辑回归(Logistic Regression),这两种方法主要用于二分类问题。逻辑回归的决策边界由参数W决定,通过最小化成本函数来优化模型,如当W=1时,成本为0;当W=0时,成本上升至4.67。为了找到最佳权重,学员会学习到成本函数的定义,以及如何通过梯度下降等方法进行优化。 接着,课程会引导学员进入多分类问题,引入softmax函数,这是一种广泛用于多类别预测任务的概率估计函数,例如在每个类别概率之和为1的前提下分配给定输入的概率。在实践中,softmax函数被用在hypothesis计算中,通过tf.nn.softmax函数实现,如hypothesis = tf.nn.softmax(tf.matmul(X, W) + b)。 核心环节是交叉熵损失函数(Cross-Entropy Cost/Loss),它是评价softmax分类器性能的标准。学员将学习如何使用这个函数来衡量模型预测值与真实标签之间的差异。具体公式为:cost = tf.reduce_mean(-tf.reduce_sum(Y * tf.log(hypothesis), axis=1))。这个函数的目标是使模型预测尽可能接近实际标签,通过最小化这个值来提升模型的准确性。 课程不仅涵盖了理论知识,还提供了实际操作的代码示例,让学员能够亲手实践Tensorflow中的这些关键概念。通过三天的密集学习,学员可以建立起坚实的Tensorflow基础,为进一步深入研究人工智能和机器学习打下坚实的基础。