此文编译自FCC（FreeCodeCamp），作者为Déborah Mesquita，该作者利用神经网络和TensorFlow进行了机器文本分类，并提出了一种新颖的学习方法——宏观分析。机器人圈希望通过此文对圈友开始机器学习的探索之路有所帮助，文章略长，请耐心阅读并收藏。我们附上了此实例最终代码的GitHub链接，供圈友学习使用。

　　开发人员经常说，如果你想要着手机器学习，你就应该首先学习算法是如何运行的。但是我的经验告诉我并不需要如此。

　　我认为，你应该首先能够宏观了解：这个应用程序是如何运行的。一旦你弄明白这一点，深入挖掘和探索这个算法的内部工作原理将变得相当简单。

　　那么，你该如何培养对机器学习的直觉并实现宏观了解呢？创建机器学习模型就是一个很好的方法。

　　假设你依旧不知道该如何从头开始创建这些算法，那么你将希望使用一个帮你实现所有这些算法的库，而这个库就是TensorFlow。

　　在本文中，我们将要创建一个机器学习模型来进行文本分类。我们先讨论一下主题：

　　1.TensorFlow是如何运行的？

　　2.什么是机器学习模型？

　　3.什么是神经网络？

　　4.神经网络是如何进行学习的？

　　5.如何操作数据并将其传递给神经网络输入？

　　6.如何运行模型并获得预测结果？

　　你将要学习到大量的新知识，那么我们开始吧。

　　TensorFlow

　　TensorFlow是一种机器学习的开源库，最初是由谷歌创立的。这个库的名字帮助我们理解我们是如何用它工作的：张量（Tensor）是通过图的节点流动的多维数组。

　　★tf.Graph

　　TensorFlow中的每一个计算都代表着一个数据流图。这个图有两个元素：

　　一系列的tf.Operation，代表计算单位

　　一系列的tf.Tensor，代表数据单位

　　为了看清这一切是如何运行的，atv，你需要创建一下这张数据流图：

　　计算X+Y的图形

　　定义x= [1,3,6]，y =[1,1,1]，这个图和tf.Tensor一起工作来代表数据的单位，你需要创建恒定的张量：

　　现在你需要定义操作单元：

　　你已经有足够的图元素了，现在你需要创建图：

　　这就是TensorFlow工作流是如何运行的：首先，你需要创建一张图，只有这样你才能进行计算（真正地运行图节点的操作）。为了运行这图你将需要创建一个tf.Session。

　　★tf.Session

　　一个tf.Session对象封装了操作对象执行的环境，并且对Tensor对象进行评估（tf.Session介绍）。为了做到这一点，我们需要定义在会话中将要用到哪一张图：

　　想要执行这个操作，你会用到tf.Session.run()这个方法。这个方法执行TensorFlow计算中的一步，而这个是通过运行必要的图表片段来执行每个Operation和评估在参数提取中传递的每一个Tensor来实现的。在你的案例中，你需要运行一系列操作中的一步：

　　一个预测模型

　　既然你已经知道TensorFlow是如何工作的，你就必须学习如何创建一个可预测模型。总的说来，就是：

　　机器学习算法+数据=预测模型

　　构建模型的过程如下：

　　构建模型的过程

　　正如你所见，这个模型包含一种用数据“训练”的机器学习算法。一旦你有了这个模型，你将获得以下的结果：

　　预测工作流

　　你创建的这个模型的目标是为了将文本类别进行分类，我们定义它为：

　　input: text, result: category