一个完整的生态系统，可以帮助您使用机器学习解决棘手的现实问题
了解企业如何使用 TensorFlow
了解机器学习的工作原理
您是否曾想了解神经网络的工作原理？或者解决机器学习问题有哪些步骤？不用担心，我们会为您讲解。下面将简要介绍机器学习的基础知识。或者，如果您要寻找更深入的信息，请访问我们的教育页面，获取入门级和高级内容。
机器学习简介
机器学习是指帮助软件在没有明确的程序或规则的情况下执行任务。对于传统计算机编程，程序员会指定计算机应该使用的规则。但是，机器学习需要另一种思维方式。现实中的机器学习对数据分析的注重程度远高于编码。程序员提供一组样本，然后计算机从数据中学习各种模式。您可以将机器学习视为“使用数据进行编程”。
解决机器学习问题的步骤
There are multiple steps in the process of getting answers from data using ML. For a step-by-step overview, check out this guide that shows the complete workflow for text classification, and describes important steps like collecting a dataset, and training and evaluating a model with TensorFlow.
神经网络剖析
A neural network is a type of model that can be trained to recognize patterns. It is composed of layers, including input and output layers, and at least one hidden layer. Neurons in each layer learn increasingly abstract representations of the data. For example, in this visual diagram we see neurons detecting lines, shapes, and textures. These representations (or learned features) make it possible to classify the data.
训练神经网络
神经网络是通过梯度下降法进行训练的。每层的权重都以随机值开始，并且这些权重会随着时间的推移以迭代的方式不断改进，使网络更准确。我们使用损失函数量化网络的不准确程度，并使用一种名为“反向传播算法”的流程确定每个权重应该增加还是降低以减小损失。