TensorFlow 实现MLP
来源:互联网 发布:单片机cpl指令 编辑:程序博客网 时间:2024/06/11 02:51
#coding=utf-8import numpy as npfrom numpy.random import RandomStateimport tensorflow as tfw1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))b1=tf.Variable(tf.constant(0.1, shape=[2]))w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1))b2=tf.Variable(tf.constant(0.1, shape=[1]))x=tf.placeholder(dtype=tf.float32, shape=(None,2), name='x-input')#y_=tf.placeholder(dtype=tf.float32, shape=(None,1), name='y-output')#print(tf.shape(x))a=tf.matmul(x+b1,w1)a_out=tf.nn.relu(a)y=tf.matmul(a_out+b2,w2)dataset_size=128rdm=RandomState(1)X=rdm.rand(dataset_size, 2)# print(X)Y=[[int(x1+x2>1)] for (x1,x2) in X]# print(Y)cross_entropy=-tf.reduce_mean(y_*tf.log(tf.clip_by_value(y,1e-10,1.0)))train_step=tf.train.AdamOptimizer(0.01).minimize(cross_entropy)init_op=tf.global_variables_initializer()sess=tf.Session()sess.run(init_op)print('w1 w2:')print(sess.run(w1))print(sess.run(w2))print('b1 b2:')print(sess.run(b1))print(sess.run(b2))for i in range(10): result=sess.run(train_step,feed_dict={x:X[0:128],y_:Y[0:128]}) loss=sess.run(cross_entropy,feed_dict={x:X[0:128],y_:Y[0:128]}) print(loss)print('w1 w2:')print(sess.run(w1))print(sess.run(w2))print('b1 b2:')print(sess.run(b1))print(sess.run(b2))sess.close()
0 0
- TensorFlow 实现MLP
- tensorflow MLP
- TensorFlow实现MLP(多层感知机)
- 利用 TensorFlow 高级 API Keras 实现 MLP,CNN,LSTM
- TensorFlow上实现MLP多层感知机模型
- 利用 TensorFlow 高级 API Keras 实现 MLP,CNN,LSTM
- 神经网络之多层感知机MLP的实现(Python+TensorFlow)
- c++实现mlp神经网络
- 机器学习: TensorFlow with MLP 笑脸识别
- tensorflow搭建多层感知器网络(MLP)
- tensorflow中MLP识别mnist手写数字
- TensorFlow之多层感知器(MLP)
- Tensorflow实例:多层感知机(MLP)
- 用Theano来实现MLP
- C++版本MLP手动实现
- tensorflow MNIST数据集上简单的MLP网络
- TensorFlow之双隐含层多层感知器(MLP)
- 用TensorFlow构建基础的神经网络(一):MLP
- linux 常用命令
- Windows 修改redis 默认密码
- Jenkins集成工具的使用(三)
- android学习技术点汇总
- 行内元素,块级元素与空元素
- TensorFlow 实现MLP
- Dagger2使用
- qt 第三方库
- 关于YAFFS文件系统的学习
- 有关程序员的段子
- 谈关于在datagridview上执行操作后的刷新方法 c#
- express中间件--Morgan
- 栈帧详解
- Github之Git常用命令汇总