Tensorflow实现单神经网络
2018-01-24 16:05
253 查看
#tensorflow实现模型评估 #训练集 #测试集 #验证集 import matplotlib.pyplot as plt import numpy as np import tensorflow as tf sess=tf.Session() #数据集准备 x_vals=np.random.normal(1,0.1,100) y_vals=np.repeat(10.,100) x_data=tf.placeholder(dtype=tf.float32,shape=[None,1]) y_target=tf.placeholder(dtype=tf.float32,shape=[None,1]) batch_size=25 train_indices=np.random.choice(len(x_vals),round(len(x_vals)*0.8),replace=False) test_indices=np.array(list(set(range(len(x_vals)))-set(train_indices))) #剩下的做测试标签 x_vals_train=x_vals[train_indices] x_vals_test=x_vals[test_indices] y_vals_train=y_vals[train_indices] y_vals_test=y_vals[test_indices] A=tf.Variable(tf.random_normal(shape=[1,1])) #声明算法模型、损失函数和优化器算法 my_output=tf.matmul(x_data,A) loss=tf.reduce_mean(tf.square(my_output-y_target)) #初始化变量 init=tf.global_variables_initializer() sess.run(init) my_opt=tf.train.GradientDescentOptimizer(0.02) train_step=my_opt.minimize(loss) #接下来进行模型的迭代训练 for i in range(100): rand_index=np.random.choice(len(x_vals_train),size=batch_size) rand_x=np.transpose([x_vals_train[rand_index]]) rand_y=np.transpose([y_vals_train[rand_index]]) sess.run(train_step,feed_dict={x_data:rand_x,y_target:rand_y}) if (i+1)%25==0: print(str(i+1)+"===Loss:"+str(sess.run(loss,feed_dict={x_data:rand_x,y_target:rand_y})))
相关文章推荐
- (#########优化器函数########)TensorFlow实现与优化深度神经网络
- tensorflow实现的一个三层神经网络
- 深度神经网络及TensorFlow实现1-激活函数(Activation Function)2
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- Tensorflow基本语法和实现神经网络
- 教你用TensorFlow实现神经网络(附代码)
- 机器学习笔记:tensorflow实现卷积神经网络经典案例--识别手写数字
- Tensorflow入门-实现神经网络
- tensorflow 学习笔记7 普通神经网络实现mnist手写识别
- 【Tensorflow】Python实现神经网络回归
- 学习笔记TF052:卷积网络,神经网络发展,AlexNet的TensorFlow实现
- TensorFlow实战——实现神经网络
- [Deep Learning] ResNets、HighwayNets、DenseNets:用 TensorFlow 实现超深度神经网络
- TensorFlow实现与优化深度神经网络
- 双向循环神经网络tensorflow实现
- 神经网络-tensorflow实现mnist手写数字识别
- 深层神经网络实现--step by step 入门TensorFlow(二)
- 机器学习之文本分类-神经网络TensorFlow实现(一)
- 深度学习笔记——深度学习框架TensorFlow之DNN深度神经网络的实现(十四)
- (三)TensorFlow实现神经网络