Tensorflow简单神经网络实现
2018-01-30 15:02
579 查看
import tensorflow as tf from numpy.random import RandomState #定义测试集大小 batch_size = 8 w1 = tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) w2 = tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) #输入 x = tf.placeholder(tf.float32,shape=(None,2),name='x-input') #输出 y_ = tf.placeholder(tf.float32,shape=(None,1),name='y-input') #定义前向传播过程 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.AdadeltaOptimizer(0.001).minimize(cross_entropy) #随机生成一个模拟数据集 rdm = RandomState(1) X = rdm.rand(128,2) #data_size=128 Y = [[int(x1+x2<1)] for (x1,x2) in X] sess = tf.Session() init_op = tf.initialize_all_variables() sess.run(init_op) print(sess.run(w1)) print(sess.run(w2)) #设定训练轮数 STEPS = 5000 for i in range(STEPS): #每次选取batch_size个样本进行训练 start = (i * batch_size) % 128 end = min(start+batch_size,128) sess.run(train_step, feed_dict={x: X[start:end], y_: Y[start:end]}) if i % 1000 ==0: totoal_cross_entropy = sess.run(cross_entropy,feed_dict={x:X,y_:Y}) print("After %d training steps,cross entropy on all data is %g" % (i, totoal_cross_entropy)) print(sess.run(w1)) print(sess.run(w2)) print(sess.run(w1)) print(sess.run(w2)) sess.close()
相关文章推荐
- 机器学习算法练习之(二):Python和Tensorflow分别实现简单的神经网络
- 利用tensorflow 一步一步实现一个简单神经网络,线性回归
- 使用tensorflow实现全连接神经网络的简单示例,含源码
- 简单神经网络TensorFlow实现
- TensorFlow:实战Google深度学习框架(二)实现简单神经网络
- 学习笔记TF055:TensorFlow神经网络简单实现一元二次函数
- 训练神经网络的简单例子(TensorFlow平台下Python实现)
- 学习笔记TF055:TensorFlow神经网络简单实现一元二次函数
- [action] deep learning 深度学习 tensorflow 实战(2) 实现简单神经网络以及随机梯度下降算法S.G.D
- [置顶] TensorFlow入门之简单实现神经网络的结构
- 利用tensorflow实现简单的神经网络
- (尤其是训练集验证集的生成)深度学习 tensorflow 实战(2) 实现简单神经网络以及随机梯度下降算法S.G.D
- TensorFlow入门,基本介绍,基本概念,计算图,pip安装,helloworld示例,实现简单的神经网络
- Tensorflow实战1:最简单神经网络实现
- TensorFlow实现与优化深度神经网络
- tensorflow实现简单的卷积网络
- 教你用TensorFlow实现神经网络(附代码)
- 利用TensorFlow训练简单的二分类神经网络模型
- Tensorflow入门-实现神经网络
- TensorFlow平台下Python实现神经网络