如何开始使用 TensorFlow

Question

我对 Tensorflow 还是很陌生，我目前正在通过给定的网站 https://www.tensorflow.org/get_started/get_started 学习它

手册上说：

我们已经创建了一个模型，但我们还不知道它有多好。为了在训练数据上评估模型，我们需要一个 y 占位符来提供所需的值，并且我们需要编写一个损失函数。

损失函数衡量当前模型与提供的数据之间的距离。我们将使用标准损失模型进行线性回归，该模型将当前模型与提供的数据之间的增量平方相加。 linear_model - y 创建一个向量，其中每个元素都是相应示例的误差增量。我们调用 tf.square 来平方该错误。然后，我们将所有平方误差相加，创建一个标量，使用 tf.reduce_sum 抽象所有示例的误差："

• q1.“我们还不知道它有多好。”，我不明白这个 引用，因为创建的简单模型是一个简单的斜率方程，然后 它应该训练什么？，因为模型是一个简单的斜坡。是吗 需要一个完美的坡度还是什么？我为什么要训练那个模型和 为了什么？
• q2.什么是损失函数？是否使用损失函数来确定 模型的准确性？为什么需要它？
• 第三季度。我不明白“'对三角洲的平方求和'之间 当前模型和提供的数据。”
• q4.这部分代码我没看懂,"squared_deltas = tf.square(linear_model - y)

这是代码：

y = tf.placeholder(tf.float32)
squared_deltas = tf.square(linear_model - y)
loss = tf.reduce_sum(squared_deltas)
print(sess.run(loss, {x:[1,2,3,4], y:[0,-1,-2,-3]}))  

这可能是一些简单的问题，但我是 Tensorflow 的初学者，很难理解它。

Answer 1

1) 所以你对“我们为什么要针对一个简单的问题进行训练”是正确的，但这只是一个介绍性的文章。对于任何机器学习任务，您都需要评估您的模型，看看它有多好。在这种情况下，您只是在尝试训练以找到最佳拟合线的系数。

2) 任何机器学习上下文中的损失函数都代表您的模型错误。这通常意味着您的计算值与地面真实值的“距离”的函数。将其视为内部评估分数。您希望将损失降至最低，因此梯度和参数更改基于您的损失。

3/4）您的问题更多地与最小二乘回归有关。这是一种在点之间创建最佳拟合线的统计方法。增量表示计算值与真值之间的差异。目的是最小化正方形的面积，从而最小化误差并获得更好的最佳拟合线。

您在这个 Tensorflow 示例中所做的是创建一个机器学习模型，该模型将使用基于最小二乘的系统自动学习最佳拟合线的系数。

Answer 2

您的几乎所有问题都与损失函数有关。

损失函数是一个函数，用于确定您的输出与预期（正确）输出之间的距离。

它有两种用法：

• 帮助算法确定权重的调整是否有助于朝着好的方向或坏的方向发展

• 确定准确度（~系统猜测正确答案的次数）

损失函数是 deltas 的总和，即：预期输出和实际输出之间的差异 (delta) 之和。

我认为它的平方会放大算法产生的误差。