TensorFlow学习程序(一):一个简单的神经网络模型
2019-01-27 19:40
183 查看
版权声明:如需转载请标明出处 https://blog.csdn.net/IMUDEGS_YangHan/article/details/86668872
import tensorflow as tf import numpy as np #Create data x_data = np.random.rand(100).astype(np.float32) y_data = x_data*0.1+0.3 #目标函数 #create tensorflow structure start Weights = tf.Variable(tf.random_uniform([1],-1.0,1.0)) biases = tf.Variable(tf.zeros([1])) y = Weights*x_data + biases lose = tf.reduce_mean(tf.square(y-y_data)) optimizer = tf.train.GradientDescentOptimizer(0.5) #定义一个优化器以提升参数准确度,0.5为学习效率,一般小于1 train = optimizer.minimize(lose) #优化Weights与biases使lose达到局域最优解或全局最优解 init = tf.initialize_all_variables() #初始化所有变量 #create tensorflow structure end with tf.Session() as sess: sess.run(init) #激活神经网络 for step in range(200): #训练200次 sess.run(train) if step % 20 == 0: #每训练20次输出一次Weights和biases print(sess.run(Weights),sess.run(biases)) #Variable中包含着数值,需要通过Session中的run获取
相关文章推荐
- TensorFlow学习程序(三):构造一个简单的神经网络并通过Matplotlib可视化
- tensorflow学习笔记二——建立一个简单的神经网络拟合二次函数
- tensorflow学习:建立一个最简单的神经网络
- 【懒懒的Tensorflow学习笔记三之搭建简单的神经网络模型】
- 神经网络与深度学习 1.3 神经网络的架构 1.4 一个简单的分类手写数字的网络架构
- 利用TensorFlow训练简单的二分类神经网络模型
- 构建一个简单的神经网络(又名多层感知器)来对MNIST数字数据集进行分类--学习笔记
- 神经网络梯度消失的解释 发表于2016/10/6 11:08:30 10609人阅读 分类: 深度学习 转载自哈工大SCIR(公众号) 为了弄清楚为何会出现消失的梯度,来看看一个极简单的深度
- tensorflow建立一个简单的神经网络的方法
- 用tensorflow建造一个简单的神经网络
- TensorFlow(3) MNIST数据集分类简单版本(神经网络:一个输入层,一个输出层)
- 使用RStudio学习一个简单神经网络
- (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之nn 简单神经网络学习
- 学习笔记TF055:TensorFlow神经网络简单实现一元二次函数
- 79、tensorflow计算一个五层神经网络的正则化损失系数、防止网络过拟合、正则化的思想就是在损失函数中加入刻画模型复杂程度的指标
- 利用TensorFlow训练简单的二分类神经网络模型的方法
- Tensorflow 构造一个简单的神经网络
- tensorflow建立一个简单的神经网络
- 用tensorflow搭建一个简单的神经网络