图解机器学习：神经网络和TensorFlow的文本分类

import tensorflow as tf 
my_graph = tf.Graph() 
with tf.Session(graph=my_graph) as sess: 
    x = tf.constant([1,3,6])  
    y = tf.constant([1,1,1]) 
    op = tf.add(x,y)

input values: x 
weights: w 
bias: b 
output values: z 
expected values: expected

为了知道收集是否正在进修，你须要比较一下输出值(Z)和期望值(expected)。我们要怎么计算这个的不合(损耗)呢?有很多办法去解决这个问题。因为我们正在进行分类义务，测量损耗的最好的方法是交叉熵误差。

James D. McCaffrey 写了一个出色的解释，解释为什么这是这种类型义务的最佳办法。

经由过程 TensorFlow 你将应用 tf.nn.softmax_cross_entropy_with_logits() 办法计算交叉熵误差(这个是 softmax 激活函数)并寂?娼均误差 (tf.reduced_mean())。

你也须要定义第一个隐蔽层会有若干节点。这些节点也被称为特点或神经元，在膳绫擎的例子中我们用每一个圆圈表示一个节点。

你欲望经由过程权重和误差的最佳值，以便最小化输出误差(实际获得的值和精确的值之间的差别)。要做到这一点，将需应用梯度降低法。更具体些是，须要应用随机梯度降低。

图解机械进修：神经收集和TensorFlow的文本分类
(梯度降低。源: https://sebastianraschka.com/faq/docs/closed-form-vs-gd.html)

为了计算梯度降低，将要应用 Adaptive Moment Estimation (Adam)。要在 TensorFlow 中应用此算法，须要传递 learning_rate 值，该值可肯定值的增量步长以找到最佳权重值。

办法 tf.train.AdamOptimizer(learning_rate).minimize(loss) 是一个语法糖，它做了两件工作：

# Construct model 
prediction = multilayer_perceptron(input_tensor, weights, biases) 
# Define loss 
entropy_loss = tf.nn.softmax_cross_entropy_with_logits(logits=prediction, labels=output_tensor) 
loss = tf.reduce_mean(entropy_loss)

compute_gradients(loss, )  
apply_gradients()

这个办法用新的值更新了所有的 tf.Variables ，是以我们不须要传递变量列表。如今你有了练习收集的代码：

learning_rate = 0.001 
# Construct model 
prediction = multilayer_perceptron(input_tensor, weights, biases) 
# Define loss 
entropy_loss = tf.nn.softmax_cross_entropy_with_logits(logits=prediction, labels=output_tensor) 
loss = tf.reduce_mean(entropy_loss) 
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(loss)

数据操作

将要应用的数据集有很多英文文本，我们须要操作这些数据将其传递给神经收集。要做到这一点，须要做两件事：

为每一个工作创建索引
为每一个文本创建矩阵，在矩阵里，如不雅单词在文本中则值为 1，不然值为 0

让我们看着代率攀来懂得这个过程：

import numpy as np    #numpy is a package for scientific computing 
from collections import Counter 
vocab = Counter() 
text = "Hi from Brazil"	
			 4/7   首页 上一页 2 3 4 5 6 7 下一页 尾页	
			

　　推荐阅读
　　iOS AFNetworking框架HTTPS请求配置
            
            【引自IamOkay的博客】 iOS在Apple公司的强迫请求下，数据传输必须按照ATS(App Transefer  Security)条目。关于AFNetworking框架传输HTTPS数据。一.AllowsArbitraryLoads 白名单机制NSAll>>>详细阅读


本文标题：图解机器学习：神经网络和TensorFlow的文本分类
地址：http://www.17bianji.com/lsqh/34909.html
 1/2    1