Ch3 TensorFlow 与 神经网络

主要内容

理解 TensorFlow 中的重要概念，并学会利用 TensorFlow 搭建神经网络模型。

任务

• 任务一：编写 TensorFlow 线性回归程序
  • 尝试用 TensorFlow 实现基于随机梯度下降的线性回归程序。
• 任务二：解释交叉熵的优化效果
  • 解释为什么加了 Sigmoid 之后，用交叉熵做损失函数比用差值平方的效果好？
• 任务三：实现无隐层和单隐层神经网络
  • 对于给定的一个二维分类数据集，基于 TensorFlow 分别实现无隐层（Sigmoid）、单隐层神经网络（tanh + sigmoid）。比较训练集的分类准确率，并绘制两个神经网络的决策界面。
• 进阶任务：
  • 解释为什么隐层加了非线性激活函数之后，整个神经网络模型的决策界面就变成非线性了。
  • 使用 TensorFlow 构建神经网络，实现 ch2 的情感分类问题，比较与 Naive Bayes 的区别。

参考资料

1. Numpy Python Numpy Tutorial
2. Tensorflow Site Google Tensorflow Tutorial
3. Matplotlib
4. Tensorflow 图片分类
5. 逻辑回归
6. Decision Boundaries by Princeton Plot the decision boundaries

Change log

2017.10.29 创建