{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","id":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","uuid":"cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title":"人工智能与大数据技术导论","normalized_title":"人工智能与大数据技术导论","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9787302517986","isbns":["9787302517986"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":490,"navigation_url":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%B8%8E%E5%A4%A7%E6%95%B0%E6%8D%AE%E6%8A%80%E6%9C%AF%E5%AF%BC%E8%AE%BA","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71","page_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/page","search_url":"https://workshop.closeclaw.top/api/ai/books/cd4f7678-cd9b-4971-bde0-e9ad46a6cc71/search"},"page":{"printed_page":459,"pdf_page":475,"physical_index":475,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"b7651a4f58e3fb39a65a31ba0e9cc80463ba8e8e4dc6f91746ec655c51ac345f"},"chapter":"第16章","content":"中的抽象层。层是Python函数，以张量和配置选项作为输入，然后生成其他张量作为输出。  \n当必要的张量组合起来时，用户便可以通过模型函数将结果转换为Estimator。\n\nLayers API(tf.layers)\n\n一种TensorFlow API，用于以层组合的方式构建深度神经网络。通过Layers API可以构建不同类型的层，例如：\n\n● 通过 tf.layers.Dense 构建全连接层。\n\n通过tf.layers.Conv2D 构建卷积层。\n\n在编写自定义Estimator时，可以编写“层”对象来定义所有隐藏层的特征。LayersAPI遵循Keras LayersAPI规范。也就是说，除了前缀不同以外，Layers API中的所有函数均与KerasLayersAPI中的对应函数具有相同的名称和签名。\n\n学习速率(learning rate)\n\n在训练模型时用于梯度下降的一个变量。在每次迭代期间，梯度下降法都会将学习速率与梯度相乘。得出的乘积称为梯度步长。 qA asoM\n\n学习速率是一个重要的超参数。\n\n最小二乘回归(least squares regression)\n\n一种通过最小化L2损失训练出的线性回归模型。\n\n线性回归(linearregression)\n\n一种回归模型，通过将输入特征进行线性组合，以连续值作为输出。\n\n逻辑回归(logistic regression)\n\n一种模型，通过将S型函数应用于线性预测，生成分类问题中每个可能的离散标签值的概率。虽然逻辑回归经常用于二元分类问题，但也可用于多类别分类问题（其叫法变为多类别逻辑回归或多项回归)。\n\n对数损失函数(Log Loss)\n\n二元逻辑回归中使用的损失函数。\n\n损失(Loss)\n\n一种衡量指标，用于衡量模型的预测偏离其标签的程度。或者更悲观地说，用于衡量模型有多差。要确定此值，模型必须定义损失函数。例如，线性回归模型通常将均方误差用于损失函数，而逻辑回归模型则使用对数损失函数。\n\n附录D 术语列表\n\n459","previous_page":458,"next_page":460}