TensorFlow完整神经网络样例
来源:互联网 发布:淘宝网毛呢长裙 编辑:程序博客网 时间:2024/05/21 10:23
我把TensorFlowGPU版本装在了服务器上(当然现在有windows版本的TensorFlow了,你可以在你自己的笔记本上玩),编译器用的Pycharm,通过在pycharm上设置远程访问服务器的python解释器来完成下边代码的运行。
# coding=utf-8
"""完整的神经网络解决二分类问题"""
import tensorflow as tf
from numpy.random import RandomState
# 定义训练数据batch大小
batch_size = 8
# 定义神经网络的参数
w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))
w2 = tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1))
# 在shape的一个维度上使用None可以方便使用不大的batch大小,在训练时需要把数据分
# 成比较小的batch,但是在测试时,可以一次性使用全部的数据。当数据集比较小时这样比较
# 方便测试,但数据集比价大时,将大量数据放入一个batch可能会导致内存溢出。
x = tf.placeholder(tf.float32, shape=(None, 2), name='x-input')
y_ = tf.placeholder(tf.float32, shape=(None, 1), name='y-input')
# 定义神经网络前向传播的过程
a = tf.matmul(x, w1)
y = tf.matmul(a, w2)
# 定义损失函数和反向传播算法
cross_entropy = -tf.reduce_mean(
y_ * tf.log(tf.clip_by_value(y, 1e-10, 1.0)))
train_step = tf.train.AdamOptimizer(0.001).minimize(cross_entropy)
# 通过随机数生成一个模型数据集
rdm = RandomState(1)
dataset_size = 128
X = rdm.rand(dataset_size, 2)
# 定义规则来给出样本的标签。在这里所有x1+x2<1的样例都被认为是正样本(比如零件合格),
# 而其他为负样本(比如零件不合格)。和Tensorflow游乐场中的表示法不大一样的地方是,
# 这里使用0来表示负样本,1来表示正样本。大部分解决分类问题的神经网络都会采用0和1的表示方法。
Y = [[int(x1+x2 < 1)] for (x1, x2) in X ]
# 创建一个会话来运行Tensorflow程序
with tf.Session() as sess:
init_op = tf.initialize_all_variables()
# 初始化变量
sess.run(init_op)
print sess.run(w1)
print sess.run(w2)
'''在训练之前神经网络参数的值为:
'''
# 设定训练的轮数
STEPS = 5000
for i in range(STEPS):
# 每次选取batch_size个样本进行训练。
start = (i * batch_size) % dataset_size
end = min(start+batch_size, dataset_size)
# 通过选取的样本训练神经网络并更新参数。
sess.run(train_step,
feed_dict={x: X[start:end], y_: Y[start:end]})
if i % 1000 == 0:
#每隔一段时间计算在所有数据上的交叉熵并输出。
total_cross_entropy = sess.run(
cross_entropy, feed_dict={x: X, y_: Y})
print ("After %d training step(s), cross entropy on all data is % g" % (i, total_cross_entropy))
'''
输出结果:
'''
print sess.run(w1)
print sess.run(w2)
'''
在训练之后神经网络参数的值:
'''
上面的程序实现了训练神经网络的全部过程。从中可以总结出训练神经网络的过程可以分为以下3步:
1、定义神经网络的结构和前向传播的过程。
2、定义损失函数以及选择反向传播优化的算法。
3、生成会话(tf.Session)并且在训练数据上反复运行反向传播优化算法。
无论神经网络的结构如何变化,这3个步骤是不变的。
2 0
- TensorFlow完整神经网络样例
- TensorFlow搭建神经网络最佳实践样例
- Tensorflow小样例-神经网络
- 【TensorFlow】神经网络模型训练及完整程序实例(五)
- 完整神经网络样例程序
- tensorflow神经网络
- TensorFlow 完整的TensorFlow入门教程
- TensorFlow实现卷积神经网络
- Tensorflow实现卷积神经网络
- tensorflow 卷积神经网络
- Tensorflow实现神经网络
- tensorflow 循环神经网络RNN
- Tensorflow建立简易神经网络
- Tensorflow入门-实现神经网络
- tensorflow构建简单神经网络
- Tensorflow实现卷积神经网络
- Tensorflow实现卷积神经网络
- Tensorflow教程-卷积神经网络
- 课堂提问(C语言):输入10个整数到一个数组,将奇数放在数组前面,偶数放在数组后面,然后输出整个数组。
- linux下 makefile快速入门
- 数据库安全之数据掩码:SQL 2016新功能之动态数据掩码(SQL 2016 & AZURE SQL 数据库)
- 总结Java中的对象和引用
- SQL教程重温(10)
- TensorFlow完整神经网络样例
- grub对硬盘分区的表示法
- java-io-文件相关工具类(全)
- 母牛的故事 (sdut oj)
- Swift之NSOperation及其和GCD的区别
- NOIP 2011 普及组 复赛 stat 统计单词数
- 4-10 阶乘计算升级版 (20分)(大数乘法)
- 33 Search in Rotated Sorted Array
- App开发常用开源控件收集(持续更新中)