[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：