[課程筆記] Introduction to TensorFlow for Artificial Intelligence, Machine Learning, and Deep Learning - Coursera
常在用keras搭模型，很常會看到這樣的寫法： 簡單來說，步驟就是: 1.定義模型架構 (在keras可以是Sequential或Functional) 2.編譯模型 ( model.compile(...) ) 3.有一筆整理過後的data與label (xs, ys。視你的問題，給定什麼樣型態的資料) 4.訓練模型 ( model.fit(...) ) 要用比較直觀的方式來描述上面整件事，我認為講師 Laurence的說法值得我學習。 他是這麼解釋的： 1.因為model不知道data和label的關係，所以.. 2.先讓model試著猜出一個xs跟ys的對應函數（e.g. y = 10x - 1） 3.根據猜測的結果，用loss function來衡量model猜測的結果是好或壞 4.把loss function得到的資訊交給optimizer來找出下一輪的猜測，而這個猜測的原則是下一輪的猜測要比前一次的還要好（e.g. 可能猜y = 5x - 1、y = 3x - 1之類的 ） 5.根據epochs次數，重複做1. ~ 4.的猜測嘗試 以下是幾個簡單的問答參考：