tensorflow的基本用法(五)——创建神经网络并训练
来源:互联网 发布:国际阿里云购买方法 编辑:程序博客网 时间:2024/05/22 10:29
文章作者:Tyan
博客:noahsnail.com | CSDN | 简书
本文主要是介绍利用tensorflow创建一个简单的神经网络并进行训练。
#!/usr/bin/env python# _*_ coding: utf-8 _*_import tensorflow as tfimport numpy as np# 创建一个神经网络层def add_layer(input, in_size, out_size, activation_function = None): """ :param input: 神经网络层的输入 :param in_zize: 输入数据的大小 :param out_size: 输出数据的大小 :param activation_function: 神经网络激活函数,默认没有 """ # 定义神经网络的初始化权重 Weights = tf.Variable(tf.random_normal([in_size, out_size])) # 定义神经网络的偏置 biases = tf.Variable(tf.zeros([1, out_size]) + 0.1) # 计算w*x+b W_mul_x_plus_b = tf.matmul(input, Weights) + biases # 根据是否有激活函数进行处理 if activation_function is None: output = W_mul_x_plus_b else: output = activation_function(W_mul_x_plus_b) return output# 创建一个具有输入层、隐藏层、输出层的三层神经网络,神经元个数分别为1,10,1# 创建只有一个特征的输入数据,数据数目为300,输入层x_data = np.linspace(-1, 1, 300)[:, np.newaxis]# 创建数据中的噪声noise = np.random.normal(0, 0.05, x_data.shape)# 创建输入数据对应的输出y_data = np.square(x_data) + 1 + noise# 定义输入数据,None是样本数目,表示多少输入数据都行,1是输入数据的特征数目xs = tf.placeholder(tf.float32, [None, 1])# 定义输出数据,与xs同理ys = tf.placeholder(tf.float32, [None, 1])# 定义一个隐藏层hidden_layer = add_layer(xs, 1, 10, activation_function = tf.nn.relu)# 定义输出层prediction = add_layer(hidden_layer, 10, 1, activation_function = None)# 求解神经网络参数# 定义损失函数loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction), reduction_indices = [1]))# 定义训练过程train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)# 变量初始化init = tf.global_variables_initializer()# 定义Sessionsess = tf.Session()# 执行初始化工作sess.run(init)# 进行训练for i in range(1000): # 执行训练,并传入数据 sess.run(train_step, feed_dict = {xs: x_data, ys: y_data}) if i % 100 == 0: print sess.run(loss, feed_dict = {xs: x_data, ys: y_data})# 关闭Sessionsess.close()
执行结果如下:
1.067310.01119140.006512290.005301870.004722370.004299480.003998150.003775480.003597140.00345819
0 0
- tensorflow的基本用法(五)——创建神经网络并训练
- tensorflow的基本用法(七)——使用MNIST训练神经网络
- tensorflow的基本用法(九)——定义卷积神经网络训练MNIST
- tensorflow的基本用法(六)——神经网络可视化
- tensorflow的基本用法(十)——保存神经网络参数和加载神经网络参数
- keras的基本用法(三)——创建神经网络
- TensorFlow神经网络的训练过程
- 利用tensorflow训练自己的图片数据(4)——神经网络训练
- tensorflow入门之训练简单的神经网络
- tensorflow实现最基本的神经网络 + 对比GD、SGD、batch-GD的训练方法
- 【TensorFlow】神经网络模型训练及完整程序实例(五)
- tensorflow的基本用法
- TensorFlow的基本用法
- TensorFlow的基本用法
- Tensorflow的基本用法
- tensorflow的基本用法
- 基于PyTorch的深度学习入门教程(五)——训练神经网络分类器
- keras的基本用法(四)——Fine Tuning神经网络
- kylin——安装(hcatalog lib not found)
- 第十一单元练习题
- 廖雪峰Python的研读笔记(一) Python基础、函数、高级特性
- Win10 安装程序错误2502/2503 拒绝访问 解决
- 2017/4/12夜~思绪
- tensorflow的基本用法(五)——创建神经网络并训练
- 杭电1236
- CentOS 7 安装redis-3.2.8
- Python基础案例(一)
- windows电脑连接手机,adb无法识别问题
- CAS-5.1.0-RC3 作为Gradle项目导入Eclipse
- 关于 MySQL 你可能不知道的 SQL 使用技巧
- dlib, OpenFace and face_recognition
- epoll详解