面试准备

Tensorflow/TensorFlow1.0/1 TensorFlow概述.md

@@ -1,10 +1,10 @@
-## 基本概念
+# 基本概念
 
-##### 人工智能
+## 人工智能
 
 机器模拟人的意识和思维。是一种科研领域。
 
-##### 机器学习
+## 机器学习
 
 1. 定义：机器学习是一种统计学方法。计算机利用已有数据，得出某种模型，再利用此模型预测结果。
 2. 应用：对连续数据的预测；对离散数据的分类。
@@ -12,7 +12,7 @@
 
 > 决策树模型是一种简单的深度学习模型。
 
-##### 深度学习
+## 深度学习
 是基于深层次神经网络的学习模型，是机器学习的一种方式。机器学习还有很多种学习模型。机器学习是一种领域，而深度学习，是一种算法。（之前好像写过相关的区别。
 
 > 神经网络的发展过程：单层神经网络（感知机）->双层次神经网络->深度神经网络+卷积神经网络+循环神经网络。

Tensorflow/TensorFlow1.0/TensorFlow-IO.md

@@ -6,7 +6,7 @@
 ### preload
 
 直接将数据设置为常量，加载到TensorFlow的graph中。
-```
+```py
 import tensorflow as tf
 x1 = tf.constant([2,3,4])
 x2 = tf.constant([4,0,1])
@@ -37,7 +37,7 @@ with tf.Session() as sess:
 
 > 基于队列（Queue）API构建输入通道（pipelines）,读取文件中的数据
 
-##### 原理介绍
+### 原理介绍
 
 * 使用字符串张量(比如["file0", "file1"]) 或者tf.train.match_filenames_once 函数来产生文件名列表。
 * 文件名打乱（可选）（Optional filename shuffling）。

Tensorflow/TensorFlow1.0/TensorFlow-自定义IO.md

@@ -1,8 +1,8 @@
-## TensorFlow-自定义IO
+# TensorFlow-自定义IO
 
-### 基本介绍
+## 基本介绍
 
-##### 架构
+### 架构
 
 * 文件格式: 我们使用 Reader Op来从文件中读取一个 record (可以使任意字符串)。
 * 记录格式: 我们使用解码器或者解析运算将一个字符串记录转换为TensorFlow可以使用的张量。

Tensorflow/TensorFlow1.0/说明.md

@@ -1,15 +0,0 @@
-## 基本概念
-
-### 人工智能
-机器模拟人的意识和思维。是一种科研领域。
-
-### 机器学习
-定义：机器学习是一种统计学方法。计算机利用已有数据，得出某种模型，再利用此模型预测结果。
-应用：对连续数据的预测；对离散数据的分类。
-是人工智能的一种方法。
-决策树模型是一种简单的深度学习模型。
-
-### 深度学习
-是基于深层次神经网络的学习模型，是机器学习的一种方式。机器学习还有很多种学习模型。机器学习是一种领域，而深度学习，是一种算法。（之前好像写过相关的区别。
-
-> 神经网络的发展过程：单层神经网络（感知机）->双层次神经网络->深度神经网络+卷积神经网络+循环神经网络。

Tensorflow/TensorFlow2.0/004.md

@@ -1 +0,0 @@
-# 初级

Tensorflow/TensorFlow2.0/005.md

@@ -1 +0,0 @@
-# Keras 机器学习基础知识

Tensorflow/TensorFlow2.0/009.md

@@ -120,8 +120,6 @@ dataset['Japan'] = (origin == 3)*1.0
 dataset.tail() 
 ```
 
-<devsite-iframe><iframe src="/tutorials/keras/regression_e0297b2db24ea564c306921a48f1bc40c18ddc626a86746db61cd82dbc3c3c20.frame" class="framebox inherit-locale " allowfullscreen="" is-upgraded=""></iframe></devsite-iframe>
-
 ### 拆分训练数据集和测试数据集
 
 现在需要将数据集拆分为一个训练数据集和一个测试数据集。
@@ -157,8 +155,6 @@ train_stats = train_stats.transpose()
 train_stats 
 ```
 
-<devsite-iframe><iframe src="/tutorials/keras/regression_ba0849c742fe92394897de4a92ca81859740311a71cec773244f86a46b761fea.frame" class="framebox inherit-locale " allowfullscreen="" is-upgraded=""></iframe></devsite-iframe>
-
 ### 从标签中分离特征
 
 将特征值从目标值或者"标签"中分离。 这个标签是你使用训练模型进行预测的值。
@@ -305,8 +301,6 @@ hist['epoch'] = history.epoch
 hist.tail() 
 ```
 
-<devsite-iframe><iframe src="/tutorials/keras/regression_52ac85b91795872c54d7abf74ad7251d16b43867b9d311b29a56d2648222a3f7.frame" class="framebox inherit-locale " allowfullscreen="" is-upgraded=""></iframe></devsite-iframe>
-
 ```py
 def plot_history(history):
   hist = pd.DataFrame(history.history)