• sklearn ? 機器學習算法和模型；
• theras
  
  • theano
  • TensorFlow

1. 理解模型以及函數，參數返回值的實際意義

一定要注意模型的構造函數，接收的參數列表，以及該模型本身所要解決的問題，因為在一些實現較好的框架或者庫中，相似功能的類都會共享同一種接口。

• KMeans（sklearn.cluster.KMeans），其也有成員函數：

  • fit：訓練 ? 模型的參數，其實是以及聚類的中心；
  • predict：接收的測試樣本，屬于哪一個聚類中心；

• autoencoder，其內部對稱地分為兩個過程，encoder以及deconder

  • encoder = keras.model.Model()
    
    • input=Input(shape=(.., ..)),
    • output=Dense(enc_len, activation=’tanh’)
  • 這樣當 encoder 訓練完畢（fit），encoder 進行 predict 的時候，返回的不是類別，而是與參數中 output 相對的，壓縮后的新的向量；

轉載于:https://www.cnblogs.com/mtcnn/p/9422931.html

總結

以上是生活随笔為你收集整理的sklearn、theano、TensorFlow 以及 theras 的理解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。