反相传播 学习神经网络实例 完全解析(tensorflow笔记
2018-10-31 23:33
555 查看
# -*- coding: utf-8 -*- #反相传播 学习神经网络实例 完全解析(tensorflow笔记) #0导入模块,生成模拟数据集 import tensorflow as tf import numpy as np BATCH_SIZE=8 seed=23455 #基于seed产生随机数 rng=np.random.RandomState(seed) #随机数返回32行2列的矩阵表示32组体积和重量作为输入数据集 X=rng.rand(32,2) #从X这个32行2列的矩阵中取出一行判断如果和小于1给Y赋值1如果和不小于1给Y赋值0 #作为输入数据集的标签(正确答案 Y=[[int(x0+x1<1)] for (x0, x1) in X] print("X:\n",X) print("Y:\n",Y) #1定义神经明络的输入、参数和输出,定义前向传播过程 x =tf.placeholder(tf.float32, shape=(None,2)) y_=tf.placeholder(tf.float32,shape=(None,1)) W1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) W2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) a=tf.matmul(x,W1) y=tf.matmul(a,W2) #2定义损失函数及反向传播方法 loss=tf.reduce_mean(tf.square(y-y_)) train_step=tf.train.GradientDescentOptimizer(0.001).minimize(loss) #train step= tf. train. MomentumOptimizer(0.001,0.9).minimize(loss) #train step=tf. train. Adamoptimizer(0.001).minimize(loss) #3生成会话,训练STEPS轮 with tf.Session() as sess: init_op = tf.global_variables_initializer() sess.run(init_op) #输出目前(未经训练)的参数取值。 print("wl:\n",sess.run(W1)) print("w2:\n",sess.run(W2)) print("\n") #训练模型。 STEPS=3000 for i in range(STEPS): start=(i*BATCH_SIZE)%32 end=start+BATCH_SIZE sess.run(train_step, feed_dict={x: X[start:end], y_:Y[start:end]}) if i%500==0: total_loss= sess.run(loss, feed_dict={x:X,y_:Y}) print("After %d training step(s), loss on all data is %g"%(i,total_loss)) #输出训练后的参数取值 print("\n") print("W1:\n",sess.run(W1)) print("W2:\n",sess.run(W2))阅读更多
相关文章推荐
- tensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试(MNIST For ML Beginners)
- tensorflow学习笔记三:mnist实例--用简单的神经网络来训练和测试
- tensorflow 学习笔记(四) - mnist实例--用简单的神经网络来训练和测试
- tensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试
- tensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试
- TensorFlow 深度学习框架 (2)-- 反向传播优化神经网络
- tensorflow 学习笔记7 普通神经网络实现mnist手写识别
- TensorFlow 深度学习框架 (1)-- 神经网络与前向传播
- TensorFlow 深度学习框架 (2)-- 反向传播优化神经网络
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- TensorFlow 深度学习框架 (1)-- 神经网络与前向传播
- TensorFlow 深度学习框架 (2)-- 反向传播优化神经网络
- TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
- TensorFlow 深度学习框架 (1)-- 神经网络与前向传播
- TensorFlow 深度学习框架 (1)-- 神经网络与前向传播
- TensorFlow 深度学习框架 (2)-- 反向传播优化神经网络
- TensorFlow 深度学习框架 (1)-- 神经网络与前向传播
- TensorFlow 深度学习框架 (1)-- 神经网络与前向传播
- TensorFlow深度学习笔记 实现与优化深度神经网络