TensorFlow学习之神经网络的构建

xs = tf.placeholder(tf.float32,[None,1]) #外界输入数据

ys = tf.placeholder(tf.float32,[None,1])

l1 = add_layer(xs,1,10,activate=tf.nn.relu)

prediction = add_layer(l1,10,1,activate=None)

loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),reduction_indices=[1]))#误差

train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)#对误差进行梯度优化，办法为0.1

sess = tf.Session()

sess.run( tf.global_variables_initializer())

for i in range(1000):

sess.run(train_step, feed_dict={xs: x_data, ys: y_data})#练习

if i%50 == 0:

print(sess.run(loss, feed_dict={xs: x_data, ys: y_data}))#查看误差

3.动态显示练习过程

显示的步调法度榜样之中部分进行解释，其它解释请看其它博客（http://www.cnblogs.com/wjy-lulu/p/7735987.html）

import tensorflow as tf 
import numpy as np 
import matplotlib.pyplot as plt 
 
def add_layer(inputs , in_size , out_size , activate = None): 
    Weights = tf.Variable(tf.random_normal([in_size,out_size]))#随机初始化 
    baises  = tf.Variable(tf.zeros([1,out_size])+0.1)#可以随机然则不要初始化为0，都为固定值比随机好点 
    y = tf.matmul(inputs, Weights) + baises #matmul:矩阵乘法，multipy:一般是数量的乘法 
    if activate: 
        y = activate(y) 
    return y 
if __name__ == '__main__': 
    x_data = np.linspace(-1,1,300,dtype=np.float32)[:,np.newaxis]#创建-1,1的300个数，此时为一维矩阵，后面转化为二维矩阵===[1,2,3]-->>[[1,2,3]] 
    noise = np.random.normal(0,0.05,x_data.shape).astype(np.float32)#噪声是(1,300)格局,0-0.05大年夜小 
    y_data = np.square(x_data) - 0.5 + noise #带有噪声的抛物线 
    fig = plt.figure(	
			 2/6   首页 上一页 1 2 3 4 5 6 下一页 尾页	
			

　　推荐阅读
　　教你禁用Windows 10中的各种小广告
比拟之前的Win7/Win8，Win10的告白可谓无孔不入。开端菜单、应用列表、锁屏页面、通知中间&hellip;&hellip;，所有你能想到的处所，几乎都能看到各类告白。
            全平易近充电节 | 3月26日~30日 2000位IT行业拭>>>详细阅读


本文标题：TensorFlow学习之神经网络的构建
地址：http://www.17bianji.com/lsqh/40823.html
 1/2    1