Tensorflow lesson 6---层 layer
来源:互联网 发布:合肥兆度网络骗 编辑:程序博客网 时间:2024/06/05 05:29
设计一个深度学习的模型,其实就设计一个多层的学习模型,而每个层上又有不同的神经元,所有的运算逻辑都是在这些神经元上完成的,每一层的输出作为下一层的输入。
下图是一个典型的,一共有5层的学习模型,包含1个输入层,3个隐藏层,1个输出层,而在每个隐藏层中有包括2个神经元。
输入层:输入一定是所谓的图Tensor结构,可以是输入tensor的各种可能feature运算,比如说是平方,相乘,sin,cos等等,具体是什么要根据实际情况来定
隐藏层:这是执行学习运算逻辑的主要阵地,所谓的深度学习,也就是隐藏层可以是非常深的层次,层次越多所要消耗的资源也越多,但并不见得层次越多效果会越好。每一个隐藏层可以设计自己的学习逻辑,使得神经元对不同的特性感兴趣,这部分也是我们需要主要学习的地方
输出层:是模型的最后一个层次,直接把学习的结果输出为可以被理解的格式,比如说图片识别,这一层可以告诉你图片中物体可能是什么物体的概率。
上面这张图是一个有4个隐藏层,每个层有不同数量的神经元,而输入层有四个不同feature数据输入。
读者可以到谷歌推出的神经网络游乐场去完,有助于理解层的概念
http://playground.tensorflow.org
示例代码:
import tensorflow as tfimport numpy as npdef add_layer(inputs,in_size,out_size,activation_function=None): Weights = tf.Variable(tf.random_normal([in_size,out_size])) biases = tf.Variable(tf.zeros([1,out_size])+0.1) Wx_plus_b=tf.matmul(inputs,Weights) if(activation_function==None): outputs=Wx_plus_b else: outputs=activation_function(Wx_plus_b) return outputsx_data= np.linspace(-1,1,300)[:,np.newaxis]noise=np.random.normal(0,0.05,x_data.shape)y_data=np.square(x_data)-0.5+noisexs=tf.placeholder(tf.float32,[300,1],"xs")ys=tf.placeholder(tf.float32,[300,1],"ys")l1=add_layer(xs,1,10,activation_function=tf.nn.relu)prediction= add_layer(l1,10,1,activation_function=None)loss=tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))train_step=tf.train.GradientDescentOptimizer(0.1).minimize(loss)init=tf.initialize_all_variables()sess=tf.Session()sess.run(init)for i in range(1000): sess.run(train_step,feed_dict={xs:x_data,ys:y_data}) if i%20 ==0: print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))
执行结果如下:
0.6340710.1336380.1214230.1199040.1197010.1196740.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.119670.11967
阅读全文
0 0
- Tensorflow lesson 6---层 layer
- tensorflow自定义网络层、激活函数(self-defined layer)
- Tensorflow lesson 3---变量Variable
- TensorFlow学习笔记6:神经网络搭建(layer,estimator等)
- layer弹出层
- IOS Layer层详解
- 页面弹出层 layer
- cocos2d-x layer层
- layer弹出层用法
- caffe layer层详解
- 弹出层插件layer
- layer 弹出iframe层
- 图层Layer
- layer 弹出层
- iOS图层layer
- 弹出层 layer !!!
- Layer弹出层插件
- Flex Layer层标签
- Sublime Text 3 LESS、SASS、SCSS高亮插件、提示插件
- AFL(American Fuzzy Lop)使用(二)
- Ambari 架构(译文)
- Java 8 实战学习——行为参数化
- Hrbust 1788 Chocolate【Dp】
- Tensorflow lesson 6---层 layer
- not all arguments converted during string formatting
- ORACLE中shutdown命令和startup详解
- Ubuntu下cutecom图像界面串口调试工具使用详细
- Handler解析(源码+Demo)
- Android 通用流行框架大全
- cannot resolve symbol 'Bundle'
- C语言实现粒子群算法(PSO)
- 第一周学习计划(No.1)