TensorFlow练习(二)——搭建神经网络结构
来源:互联网 发布:淘宝怎么看几颗心 编辑:程序博客网 时间:2024/06/14 10:43
首先, 我们这次需要加载 tensorflow 和 numpy 两个模块, 并且使用 numpy 来创建我们的数据.
import tensorflow as tfimport numpy as np# create datax_data = np.random.rand(100).astype(np.float32)y_data = x_data*0.1 + 0.3接着, 我们用
tf.Variable
来创建描述 y
的参数. 我们可以把 y_data = x_data*0.1 + 0.3
想象成 y=Weights * x + biases
, 然后神经网络也就是学着把 Weights 变成 0.1, biases 变成 0.3.Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))biases = tf.Variable(tf.zeros([1]))y = Weights*x_data + biases接着就是计算
y
和 y_data
的误差:loss = tf.reduce_mean(tf.square(y-y_data))反向传递误差的工作就教给
optimizer
了, 我们使用的误差传递方法是梯度下降法: Gradient Descent
让后我们使用 optimizer
来进行参数的更新.optimizer = tf.train.GradientDescentOptimizer(0.5)train = optimizer.minimize(loss)到目前为止, 我们只是建立了神经网络的结构, 还没有使用这个结构. 在使用这个结构之前, 我们必须先初始化所有之前定义的
Variable
。
init = tf.global_variables_initializer()接着,我们再创建会话
Session
. 我们用 Session
来执行 init
初始化步骤. 并且, 用 Session
来 run
每一次 training 的数据. 逐步提升神经网络的预测准确性.sess = tf.Session()sess.run(init) # Very importantfor step in range(201): sess.run(train) if step % 20 == 0: print(step, sess.run(Weights), sess.run(biases))
阅读全文
0 0
- TensorFlow练习(二)——搭建神经网络结构
- TensorFlow练习(四)——构造神经网络
- Tensorflow 搭建神经网络(单层)
- TensorFlow之神经网络练习
- 机器学习算法练习之(二):Python和Tensorflow分别实现简单的神经网络
- 基于tensorflow的简单BP神经网络的结构搭建
- 基于tensorflow的简单BP神经网络的结构搭建
- 基于tensorflow的简单BP神经网络的结构搭建
- 莫烦 tensorflow 笔记 (一)搭建神经网络
- tensorflow之搭建神经网络
- TensorFlow学习笔记(二):实现神经网络
- Keras学习笔记01——快速搭建神经网络结构
- Tensorflow卷积神经网络常用结构
- TensorFlow练习(一)——TensorFlow简介
- 用TensorFlow自己动手搭建神经网络
- Tensorflow 搭建简单神经网络 | Python
- tensorflow-搭建两层神经网络
- TensorFlow搭建CNN卷积神经网络
- 比特币扩容与分叉
- Spring AOP底层实现
- fio数据生成曲线图
- synchronized与static synchronized 的区别
- [编程题] 小易记单词
- TensorFlow练习(二)——搭建神经网络结构
- http虚拟主机配置——基于端口
- 错误:声明指定了两个以上的数据类型
- javascript中的函数,闭包简单介绍
- 设计模式-生产者消费者模式
- 关于volatile
- DTO作用
- webpack--概念5--插件
- Android程序设计基础--总结