预演：使用 TensorFlow 进行深度学习

本文是使用 Tensorflow 来撰写深度学习实施方案的预排，我在此只做简单地介绍。因为我不是计算机领域的专家，所以会有介绍不详尽的的地方。因此，我希望你在阅读这些代码之前，先了解相关的理论知识。

深度学习：趋势

如今，流行语已经覆盖全球。从近些年的发展来看，“社交媒体”“物联网”加上现在的“深度学习”，都是当今流行的趋势。让我们一起来看下过去十多年间，世界计算机科学领域的研究内容。

从学术角度出发，我对研究领域做了个比较，深度学习占据第一位，紧随其后的是算法分析，计算机安全排第三，人工智能排在第四，这有点让人难以相信。排在最后的是电脑绘图，看来大家对它不怎么感兴趣。

TensorFlow: 为什么是它?

我运用深度学习的知识解决过相关的问题，但只用了不到一周的时间，如果我现在就撰写一篇学术性的文章，显然会班门弄斧。作为开发者，我想分享一下，我是如何通过深度学习编写 TensorFlow 的，这样比较实在。

我曾使用过 Theano (短暂性的)，而现在，我正在考虑使用哪款工具链比较好，也在考虑是否使用 H2O 堆，前者在世界范围内有一个很大的社区，后者则相形见绌。然而，不管怎么样，从统计图的峰值来看，谷歌的 TensorFlow 在宣传炒作上一定下了血本，也非常注重性能的提升及开发者关系的维护。显然，他们在维护从业人员关系上也花了不少心思。再顺便说一句，Theano 和 TensorFlow 都兼容 GPU。

数据集和预期结果

因为汽车评估数据集是对外公开的，所以像我这样的小白都可轻松获取。不信你也可以试试。数据集是人们就汽车使用情况进行的一项调查，它获得用户对汽车的一些反馈，如汽车价格，保养费用，车门数和容纳人数等。

样品数据如下：

我写的程序能够解析CSV格式的数据文件，然后通过反向传播生成一个多层的感知器模型，以便它能模仿人类智力，在遇到隐藏数据点时自动进行处理。

这个程序的输出应如下所示（也存在例外情况）：

最后两行的输出比其他任何一项都要更具相关性。基本来说，进行的训练在规定时间内100%预测其产出等级。虽然，我们的测试目标是使得精准度最大化，但在实际操作中总会遇到障碍，最大的障碍就是我们用来训练和测试的数据的随机性。一般说来，数据输出的第一部分是统计数据，只为我们提供参考信息，你可自行忽略。

如果你仔细观察，你很快会发现，数据集在我们的输出内容里是随着数字呈现而改变的，尤其是前5行。

TensorFlow 工具链

前 TensorFlow 的工具链还不完整，但谷歌还是在努力尝试为 TensorFlow 引入一套完整的。我认为他们这样做是对的。TensorFlow很有趣，但是它显然过于简单，对开发者的产出有所限制。因此，Google 已经开始搭建 TFLearn，又受 Scikit Learn 激发为 TensorFlow 设计了 API——这些代码编写非常有趣。还有一些其他我用过的工具，有了关于 TFLearn 和 Scikit 的学习，用这些工具能很快搭建环境。

搭建环境

首先，从这里下载，打开终端，执行以下步骤：

现在你已经拥有所有安装所需程序包，接下来，通过运行 python main.py.，你能看到一个类似我之前展现的输出。

代码预排

代码包括以下四个文件：

main.py 包含的内容相对比较直白。因为它仅仅举例说明 CategoricalDNN 类，以及传递一些重要的参数。我们可以从此处了解比例，训练规模和迭代次数等。通过培训规模可知有多少比例的数据会被用来培训和其他测试。

CategoricalDNN 类假定调用程序没有关于数据的线索，这一点很关键，因为它表面了类别本身是否能够从数据中提取内容，对自身进行处理和升级。不用说，这样更有利于数据分类。

无条件DNN

我们先查看一下这个类中会用到的包

互补的内联注释能让代码更通俗易懂，而我们讨论的重点是其调用的顺序。

预处理数据

首先，_load_csvis （应该）是一个私有方法，使用 pandas 加载 CSV 到内存。然后继续计数数据集包含的列的数目。假设最后一列包含 label 或 class 信息，对应的数据集则需要被预演。

最后一列包含了唯一的类，它是设计分类器的一个重要度量标准，这里再次用到了 pandas 。最后，所有的列都被循环，所有字符串都会被转换成各自的分类值以供我们的分类器处理。实际上， pandas 技巧 完美地做到了 heavy-lifting 。

混合和分解

现在将数据集随机化，并分解成之前在 TRAINING_SIZE 中定义的比率。

因为分类器只能使用 int32 / int64 工作，因此，我们需要转换预演和测试标签。这样也能确保标签最终不会被送入分类器，但它们在最后两行会被过滤掉。

培训模式和性能测试

现在我们已经完成预演前的所有准备工作，下一步就是设计网络。隐藏层只要合理，并能产出更好的结果，怎么安排都可以。但是根据我们的观察，以下的设计最为合适。当然还存在许多其他的优化方案，但在此我不做过多讨论。

我将 ReLU 作为激活函数，可以按要求进行 tanh,sigmoid,softmax 等。既然模型已经设定好了，现在我们开始测试它的性能：

我们还是使用了 Scikit 来测试模型的准确度。