基本操作
基本的計(jì)算pipeline:
1.數(shù)據(jù)處理：比如圖片減去平均值，正則化等
2.將數(shù)據(jù)分為 train sets,test sets,validation sets
3.設(shè)置超參數(shù)：比如learning rate 這些
4.變量與占位符的初始化（Initialize variables and placeholders）
在計(jì)算中tf要知道什么數(shù)據(jù)是可以修改的（比如權(quán)重w,偏置b等用variables),什么是變化的但是不可修改的(比如x,y等），同時(shí)還要注明數(shù)據(jù)類(lèi)型tf.float32或者其他
5.定義模型（Define the model structure）：
在有了數(shù)據(jù)和初始化好變量和網(wǎng)絡(luò)參數(shù)后，就開(kāi)始定義模型。
6.定義loss函數(shù)（Declare the loss functions）
loss函數(shù)描述和計(jì)算值和實(shí)際值的偏差，用來(lái)計(jì)算優(yōu)化方向
# Define loss and optimizer
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=Y))
7.Initialize and train the model
做好上面的步驟后就可以開(kāi)始初始化和訓(xùn)練我們的模型
8.模型評(píng)價(jià)（Evaluate the model）
對(duì)于訓(xùn)練好的模型，需要用驗(yàn)證集去測(cè)試實(shí)際的效果
