TensorFlow 알고리즘의 일반적인 흐름 ②

지난 번 계속
일련의 흐름 [인용원(1)]
①데이터 세트 가져오기 또는 생성
② 데이터 변환/정규화
③ 데이터 세트를 트레이닝 세트, 테스트 세트, 검증 세트로 분할
④ 알고리즘의 파라미터 설정
⑤ 변수와 자리 표시자 초기화
⑥ 모델 구조 정의
⑦ 손실 함수 설정
⑧ 모델 초기화 및 트레이닝
⑨ 모델 평가
⑩ 하이퍼 파라미터 튜닝
⑪ 배포 및 새로운 성과 지표 예측
이것이 전혀 모르겠다. ③부터 해 간다.

③ 데이터 세트를 트레이닝 세트, 테스트 세트, 검증 세트로 분할한다.

데이터 세트를 트레이닝 세트 하면 좋을까 훈련시키기 위한 부분 느낌으로 좋을까), 테스트 세트(아까의 트레이닝한 모델씨의 정말의 이상 모습 트레이닝 세트 모델 을 가까이하고 싶다는 것), 검증 세트 (이것은 트레이닝 세트가 잘 모델 씨 에서 검증해 버리고 있기 때문에 알려진 값에는 정밀도가 좋아지지만, 미지의 값에 대해서도 정밀도 좋아질까 불명해진다.그러므로 검증 세트를 사용한다. )로 나눕니다. 분할은 어떤 비율로 분할할까. 6:2:2 정도

④ 알고리즘의 파라미터를 설정.

알고리즘은 아무래도 컴퓨터의 계산 방법적.
파라미터는 밖에서 들어오는 값의 것 같고, 안의 값에 영향을 주는 것 것 같다.
따라서 알고리즘 (컴퓨터의 계산 방법)의 파라미터 (외부에서 내부에 영향을 미치는 부분)의 설정을 괴롭힌다.
learning_rate (학습 비율 일까), batch_size (동일한 크기), iterations (반복 번역이 나왔다)
이런 것 같다 자세한 것은 또 어딘가에서 한다.

⑤ 변수와 자리 표시자 초기화

변수는 값이 바뀌는 녀석, 상수가 아니다. 변수는 아까 ③에서 쓴 알고리즘의 파라미터라고.
플레이스홀더란 = 실제 값을 나중에 삽입하기 위해 우선 확보한 장소를 말한다. 아직 정확한 값을 모르는 경우에 사용한다.
흠 학교 갈 준비를 하거나 오늘은 여기까지

(1):「Python 기반의 활용 레시피 60+ TensorFlow 기계 학습 쿡북 2017년」p3-5