Trotz sorgfältigem Redigieren und Prüfung lassen sich Fehler nie ganz vermeiden. Daher bieten wir Ihnen in diesem Dokument
Korrekturen.
An dieser Stelle möchten wie Sie als Leser/Leserin unseres Buches dazu ermutigen, uns über den Verlag gefundene Fehler zu melden, so dass wir diese in dieses Dokument aufnehmen und in eventuellen nächsten Auflagen berücksichtigen
können. Vielen Dank dafür!
"den wir es später betrachten werden"
ersetzen durch
"den wir erst später betrachten werden"
(Dank an einen aufmerksamen Leser)
"anschließende Aktivierungsfunktion 𝜑(x)"
ersetzen durch
"anschließende Aktivierungsfunktion 𝜑(𝛼)"
(Dank an den aufmerksamen Leser aus Hamburg)
"cross entropy"
ersetzen durch
"cross validation"
Hinweis: statt der Datei https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data, die kein Header für die Spaltennamen (sepal length,sepal width,petal length,petal width,species) beinhaltet, sollte die Datei iris.csv benutzt werden.
(Dank an Christian)
"data_train_array = data_train.as_matrix()"
ersetzen durch
"data_train_array = data_train.values" oder "data_train_array = data_train.to_numpy()"
(Dank an Leonhard)
"accuracy = (TP + FN) / (TP + FP + TN + FN)"
ersetzen durch
"accuracy = (TP + TN) / (TP + FP + TN + FN)"
(Dank an einen aufmerksamen Leser)
"werden Sie bestimmt früh oder später damit konfrontiert sein."
ersetzen durch
"werdenSie bestimmt früher oder später damit konfrontiert sein."
(Dank an einen aufmerksamen Leser)
"denken Sie an einem Sensor"
ersetzen durch
"denken Sie an einen Sensor"
(Dank an einen aufmerksamen Leser)
Nach dem Satz "Tensoren können ebenfalls mit der Python-Bibliothek NumPy initialisiert werden:"
import tensorflow as tf
import numpy as np
np_array = np.arange(0,5,step=0.5)
tensor_from_numpy = tf.constant(np_array,dtype=tf.float16)
print(sess.run(tensor_from_numpy))
ersetzen durch
import tensorflow as tf
import numpy as np
with tf.Session()as sess:
np_array = np.arange(0,5,step=0.5)
tensor_from_numpy = tf.constant(np_array,dtype=tf.float16)
print(sess.run(tensor_from_numpy))
(Dank an Tician)
Im Listing 5.1 :
init = tf.global_variables_initializer()
Ersetzen Sie tf.constant()
durch tf.Variable()
in dem Textausschnitt:
Nehmen Sie unseren Beispielgraphen aus Abbildung 5.11, und ersetzen Sie die tf.Variable() a, b, c und d durch tf.placeholder():
Anpassung des Parameters noise in:
noise = np.random.randint(low=-5, high=5, size=input.shape)
Folgende Zeilen vertauschen:
import matplotlib.pyplot as plt
matplotlib.use('TkAgg')
Um den Graphen vom Block 5.6.4 darzustellen, vergewissern Sie sich, dass Sie nach der Zeile
print("Vorhersage Wert für w: " + str(weight_value))
folgendes hinzufügen:
plt.show(block=True)
(Dank an Christian)
Die Zeilen train_labels = data.train.labels
und eval_labels = data.train.labels
sind überflüssig und sollen ignoriert werden.
(Dank an den/die Amazon Rezensenten/Rezensentin)
evaluation_results = model.evaluate(input_test_data, input_test_data)
ersetzen durch
evaluation_results = model.evaluate(input_test_data, output_test_data)
Aktualisierter Code: train_redict
→ train_predict
Aktualisierter Code:
eval_metric_ops = {"accuracy": eval_accuracy}
print(eval_accuracy)
Folgende Zeilen löschen:
num_epochs = None
num_epochs = 2