TensorFlow训练模型步骤解析：与PyTorch对比

1.读取数据：把磁盘中的数据读取出来（模块的导入这里就不在叙述，需要什么模块就导入即可）

2.数据处理：

a.这里提取年月日的方式是直接索引文件中需要的数据名称，并且赋值给我们定义的变量

b.字符编码，并且在表中删除‘真实结果’数据，然后表中剩下的都是‘X’变量，也就是说，可以把剩下的的整个表输入到训练模型中当作输入的‘X’

c.把字符类型的数据转换为数组格式

d.把数据变成标准的模式，也就是把特征值进行缩放，变成我们需要的维度，方便就是和比较

3.选择模型：选择神经网络模型的网络结构

4.建立网络层：添加训练的中间层

5.编译：配置训练的方法

6.训练：执行训练

7.预测：检验结果，预测数据；直接使用模型自带的方法进行预测

8.补充：完成上面的7个步骤，构建的神经网络模型基本上就完成了，但是这样显示出来的预测结果不方便观看，所以下面补充一些可视化的操作；主要的操作流程是：提取数据、格式变换、绘图、显示

结果显示：

9.总结：这一次的Tensorflow的神经网络模型构建的基本流程和前面是一样的：提取数据、处理数据、构建模型、配置训练参数、执行训练、结果可视化；个人感觉对于Tensorflwo的入门学习是去了解这个工具有哪些功能，我们如何去使用它。关于如何构建模型，如何配置训练参数等等问题，需要用更多的时间去学习。数据的可视化也是直接调用API即可，但是这些API该如何使用，也是需要去进一步的学习。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删