Korrekturen

📝Korrekturen

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!

Seite 59 (Fußnote 3)

"den wir es später betrachten werden"

ersetzen durch

"den wir erst später betrachten werden"

(Dank an einen aufmerksamen Leser)

Seite 60

"anschließende Aktivierungsfunktion 𝜑(x)"

ersetzen durch

"anschließende Aktivierungsfunktion 𝜑(𝛼)"

(Dank an den aufmerksamen Leser aus Hamburg)

Seite 70

"cross entropy"

ersetzen durch

"cross validation"

Seite 72

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)

Seite 74

"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)

Seite 78

"accuracy = (TP + FN) / (TP + FP + TN + FN)"

ersetzen durch

"accuracy = (TP + TN) / (TP + FP + TN + FN)"

(Dank an einen aufmerksamen Leser)

Seite 89

"werden Sie bestimmt früh oder später damit konfrontiert sein."

ersetzen durch

"werdenSie bestimmt früher oder später damit konfrontiert sein."

(Dank an einen aufmerksamen Leser)

Seite 90

"denken Sie an einem Sensor"

ersetzen durch

"denken Sie an einen Sensor"

(Dank an einen aufmerksamen Leser)

Seite 138

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)

Seite 143

Im Listing 5.1 :

init = tf.global_variables_initializer()

Seite 147

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():

Seite 157

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') 

Seite 160

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)

Seite 178

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)

Seite 196

evaluation_results = model.evaluate(input_test_data, input_test_data)

ersetzen durch

evaluation_results = model.evaluate(input_test_data, output_test_data)

Seite 212

Aktualisierter Code: train_redict → train_predict

Seite 368

Aktualisierter Code:

eval_metric_ops = {"accuracy": eval_accuracy} 
print(eval_accuracy)

Seite 376

Folgende Zeilen löschen:

num_epochs = None

num_epochs = 2