持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第10天，点击查看活动详情

1. 机器学习与深度学习

在特征提取方面：

机器学习的特征工程步骤是要靠手动完成的，而且需要大量相关专业领域的知识。（传统机器学习算法）
深度学习通常由多个层组成（网络层次更深），它们通常将更简单的模型组合在一起，将数据从一层传递到另一层来构建更复杂的模型。通过训练大量数据自动得出模型，不需要人工特征提取环节。所以比较适合用在难提取特征点图像、语音、自然语言处理领域。（神经网络）

2. TensorFlow结构分析

我们使用TensorFlow1.x版本进行演示。在1.x版本中，TensorFlow程序通常被组织成一个构件图阶段和一个执行图阶段。

在构建图阶段，数据与操作的执行步骤被描述成一个图
- 在开启会话动作之前都是构建图，相当于定义了数据和操作的一个步骤
- 比如定义了相加运算，直接打印不会出结果，看不到具体的值
- 因为，只定义了操作，并没有真正的运行起来
在执行阶段，使用会话执行构建好的图中的操作
- 调用设备和资源，将之前定义好的数据和操作运行起来

张量：TensorFlow中的基本数据对象（存储数据）节点：提供图当中执行的操作

3. 案例演示

步骤1：

导入相关库，因为我安装的是tensorflow2.x版本，因此使用后两行代码开启兼容模式，使得在2.x版本中运行1.x版本tensorflow语法。

import tensorflow as tf
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

步骤2：

定义一个函数，其中包括两个张量ten_1和ten_2，并且定义一个相加运算，计算ten_1 + ten_2的结果，对比一下在开启会话前输出的结果与开启对话后输出的结果。

def tensorflow_1():
    
    # TensorFlow实现加法运算
    ten_1 = tf.constant(2)
    ten_2 = tf.constant(3)
    
    ten_3 = ten_1 + ten_2
    print("TensorFlow加法运算的结果：\n", ten_3)
    
    # 开启会话
    with tf.Session() as sess:
        ten_3_val = sess.run(ten_3)
        print("ten_3_val:\n", ten_3_val)
    return None

步骤3：

执行定义好的相加运算函数

tensorflow_1()

运行结果如下图所示：

在运行结果中我们可以发现，没有开启会话之前直接输出的话并没有输出结果。（构建图阶段）
开启会话后，相当于执行操作，进行结算。因此，有输出结果。（执行图阶段）

【深度学习】TensorFlow基本结构分析