ax = fig.add_subplot(111) ax.scatter(x_data,y_data) plt.ion() plt.show() with tf.name_scope("inputs"): xs = tf.placeholder(tf.float32,[None,1],name="x_data") #外界输入数据 ys = tf.placeholder(tf.float32,[None,1],name="y_data") l1 = add_layer(xs,1,10,n_layer=1,activate=tf.nn.relu) prediction = add_layer(l1,10,1,n_layer=2,activate=None) with tf.name_scope("loss"): loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),reduction_indices=[1]))#误差 tf.summary.scalar("Loss",loss) with tf.name_scope("train_step"): 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() merge = tf.summary.merge_all()#归并 writer = tf.summary.FileWriter("G:/test/",graph=sess.graph) 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%100 == 0: result = sess.run(merge,feed_dict={xs:x_data,ys:y_data})#运行打包的图表merge writer.add_summary(result,i)#写入文件,并且单步长50
重要参考莫凡大年夜大年夜:https://morvanzhou.github.io/
可视化出现问题了,参考这位大年夜神:http://blog.csdn.net/fengying2016/article/details/54289931
【编辑推荐】
- 一个单层的基本神经收集实现手写字辨认
- 谷歌正式宣布TensorFlow 1.5,毕竟晋升了哪些功能?
- 若何用Python和深度神经收集辨认图像?
- 大年夜法度榜样员的角度设计一个基于Java的神经收集
- 关于TensorFlow简单例子
【义务编辑:庞桂玉 TEL:(010)68476606】
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……,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