TF入門0-簡單流程

TensorFlow實現深度學習和預測的簡單流程。

（1）數據預處理：整理分出訓練、測試集 -- 序列數據依賴Numpy或者Pandas處理包；

（2）模型建立：設計模型結構 -- 依賴keras包添加網絡層；

         超參設計：隱藏層數目、激活函數、優化方法、loss方法；

model = Sequential()
model.add(Embedding(max_features, output_dim=256))
model.add(LSTM(128))
model.add(Dropout(0.5))
model.add(Dense(1, activation='relu'))

model.compile(loss='binary_crossentropy',
              optimizer='rmsprop',
              metrics=['accuracy'])

model.fit(x_train, y_train, validation_split=0.25, batch_size=32, epochs=2, verbose=1, callbacks=[TensorBoard(log_dir='./tmp/log')])

（3）模型訓練：記錄log、保存中間模型；

model.fit(x_train, y_train, validation_split=0.25, batch_size=32, epochs=2, verbose=1, callbacks=[TensorBoard(log_dir='./tmp/log')])

查看：tensorboard –-logdir=path/to/log --host=127.0.0.1

（4）結果分析：分析accuracy和loss，小結和下步計劃。