tensorflow学习之搭建最简单的神经网络
这几天在B站看莫烦的视频,学习一波,给出视频地址:https://www.bilibili.com/video/av16001891/?p=22
先放出代码
#####搭建神经网络测试
def add_layer(inputs,in_size,out_size,activation_function=None):
Weights = tf.Variable(tf.random_normal([in_size, out_size],dtype=np.float32))
biases = tf.Variable(tf.zeros([1,out_size])+0.1)
Wx_plus_b = tf.matmul(inputs, Weights)+biases
if activation_function is None:
outputs = Wx_plus_b
else:
outputs = activation_function(Wx_plus_b)
return outputs x_data = np.linspace(-1,1,300)[:, np.newaxis]
noise = np.random.normal(0,0.05,x_data.shape)
y_data = np.square(x_data)-0.5+noise xs = tf.placeholder(tf.float32,[None,1])
ys = tf.placeholder(tf.float32,[None,1])
l1 = add_layer(xs,1,10,activation_function=tf.nn.relu) prediction = add_layer(l1,10,1,activation_function=None)
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),
reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss) init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
for i in range(1000):
sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
if i% 50 ==0:
print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))
#####
首先,在add_layer函数中,参数有inputs,in_size,out_size,activation_function=None
其中inupts是输入,in_size是输入维度,out_size是输出维度, activation_function是激活函数,
Weights是权重,维度是(in_size*out_size);
bias是偏置,维度是(1*out_size);
Wx_plus_b的维度和out_size相同;
x_data = np.linspace(-1,1,300)[:, np.newaxis]这步操作,表示生成-1到1之间均匀分布的300个数,然后转换维度,变成(300,1);noise和y_data的维度均和
x_data相同;
xs = tf.placeholder(tf.float32,[None,1])和ys = tf.placeholder(tf.float32,[None,1])表示生成xs和ys变量的占位符,维度是(None,1),不知道有多少行,但只要1列;
l1 = add_layer(xs,1,10,activation_function=tf.nn.relu)表示xs是inputs,in_size是1,out_size是10,激活函数是relu;添加了一层神经网络
prediction = add_layer(l1,10,1,activation_function=None)表示输入是l1,in_size是10,out_size是1,没有激活函数
接下去是计算损失,loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),reduction_indices=[1]))
之后一步是用梯度下降来优化损失函数;
解释一下为什么不直接在add_layer函数中使用x_data:x_data是ndarray格式,Weights是Variable格式,不能直接相乘,所以要在session会话中用字典格式传入x_data和y_data, 也就是sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
最新文章
- 面向云的.net core开发框架
- Django中提示TemplateDoesNotExist?
- 什么是jsonp
- Django函数——url()
- 【EF学习笔记05】----------操作内存中的数据
- Automapper扩展方法
- cf519D . A and B and Interesting Substrings 数据结构map
- Open XML SDK 在线编程黑客松
- Light oj 1138 - Trailing Zeroes (III) (二分)
- Java 高效检查一个数组中是否包含某个值
- Power BI移动端应用
- SVG视野
- WPF开发的彩票程序(练手好例子) 附源码
- hibernate的一级和二级缓存
- Caffe框架,图像数据转换成LMDB数据格式
- 深度学习框架PyTorch一书的学习-第三章-Tensor和autograd-2-autograd
- cmake 指定连接的opencv版本
- alter system set events
- 你真的理解PeopleSoft的Web概要(web profile)嘛
- iOS8 UICollectionView横向滑动demo