tensorflow構(gòu)建BP神經(jīng)網(wǎng)絡(luò)的方法
更新時(shí)間：2018年03月12日 11:51:40 作者：freedom098
這篇文章主要為大家詳細(xì)介紹了tensorflow構(gòu)建BP神經(jīng)網(wǎng)絡(luò)的方法，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
之前的一篇博客專門介紹了神經(jīng)網(wǎng)絡(luò)的搭建，是在python環(huán)境下基于numpy搭建的，之前的numpy版兩層神經(jīng)網(wǎng)絡(luò)，不能支持增加神經(jīng)網(wǎng)絡(luò)的層數(shù)。最近看了一個(gè)介紹tensorflow的視頻，介紹了關(guān)于tensorflow的構(gòu)建神經(jīng)網(wǎng)絡(luò)的方法，特此記錄。
tensorflow的構(gòu)建封裝的更加完善，可以任意加入中間層，只要注意好維度即可，不過numpy版的神經(jīng)網(wǎng)絡(luò)代碼經(jīng)過適當(dāng)?shù)馗膭?dòng)也可以做到這一點(diǎn)，這里最重要的思想就是層的模型的分離。
import tensorflow as tf
import numpy as np
def addLayer(inputData,inSize,outSize,activity_function = None):
Weights = tf.Variable(tf.random_normal([inSize,outSize]))
basis = tf.Variable(tf.zeros([1,outSize])+0.1)
weights_plus_b = tf.matmul(inputData,Weights)+basis
if activity_function is None:
ans = weights_plus_b
else:
ans = activity_function(weights_plus_b)
return ans
x_data = np.linspace(-1,1,300)[:,np.newaxis] # 轉(zhuǎn)為列向量
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]) # 樣本數(shù)未知，特征數(shù)為1，占位符最后要以字典形式在運(yùn)行中填入
ys = tf.placeholder(tf.float32,[None,1])
l1 = addLayer(xs,1,10,activity_function=tf.nn.relu) # relu是激勵(lì)函數(shù)的一種
l2 = addLayer(l1,10,1,activity_function=None)
loss = tf.reduce_mean(tf.reduce_sum(tf.square((ys-l2)),reduction_indices = [1]))#需要向相加索引號，redeuc執(zhí)行跨緯度操作
train = tf.train.GradientDescentOptimizer(0.1).minimize(loss) # 選擇梯度下降法
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for i in range(10000):
sess.run(train,feed_dict={xs:x_data,ys:y_data})
if i%50 == 0:
print sess.run(loss,feed_dict={xs:x_data,ys:y_data})
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
您可能感興趣的文章:
- TensorFlow平臺下Python實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)
- TensorFlow神經(jīng)網(wǎng)絡(luò)優(yōu)化策略學(xué)習(xí)
- TensorFlow深度學(xué)習(xí)之卷積神經(jīng)網(wǎng)絡(luò)CNN
- TensorFlow實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)CNN
- TensorFlow搭建神經(jīng)網(wǎng)絡(luò)最佳實(shí)踐
- Tensorflow實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)用于人臉關(guān)鍵點(diǎn)識別
- 利用TensorFlow訓(xùn)練簡單的二分類神經(jīng)網(wǎng)絡(luò)模型的方法
- TensorFlow實(shí)現(xiàn)RNN循環(huán)神經(jīng)網(wǎng)絡(luò)
- tensorflow入門之訓(xùn)練簡單的神經(jīng)網(wǎng)絡(luò)方法
- TensorFlow 實(shí)戰(zhàn)之實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)的實(shí)例講解
相關(guān)文章
爬蟲在爬取數(shù)據(jù)時(shí),常常會遇到"HTTP Error 403: Forbidden"的提示,其實(shí)它只是一個(gè)HTTP狀態(tài)碼,表示你在請求一個(gè)資源文件但是nginx不允許你查看,下面這篇文章主要給大家介紹了關(guān)于Python爬蟲403錯(cuò)誤的終極解決方案,需要的朋友可以參考下2023-05-05
這篇文章主要介紹了pyqt4的widget使用示例,需要的朋友可以參考下2014-03-03
Pytorch創(chuàng)建張量的4種方法主要有：torch.Tensor()、torch.tensor()、torch.as_tensor()、torch.from_numpy()，本文通過實(shí)例代碼介紹Pytorch創(chuàng)建張量的四種方法,需要的朋友可以參考下2023-05-05
Python+AutoIt實(shí)現(xiàn)界面工具開發(fā)過程詳解
這篇文章主要介紹了Python+AutoIt實(shí)現(xiàn)界面工具開發(fā)過程詳解,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08
這篇文章主要介紹了Django模板Templates使用方法詳解,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07
這篇文章主要介紹了python調(diào)用并鏈接MATLAB腳本詳解,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07
python imutils包可以很簡潔的調(diào)用opencv接口，輕松實(shí)現(xiàn)圖像的平移，旋轉(zhuǎn)，縮放，骨架化等操作，對python imutils包基本概念及使用方法感興趣的朋友一起看看吧2021-07-07
這篇文章主要介紹了sklearn.metrics 中的f1-score簡介,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2023-05-05
這篇文章主要介紹了Python日志logging模塊功能與用法,結(jié)合實(shí)例形式詳細(xì)分析了Python日志logging模塊的基本功能、原理、用法及操作注意事項(xiàng),需要的朋友可以參考下2020-04-04
利用Python和C++實(shí)現(xiàn)解析gltf文件
gltf是類似于stl、obj、ply等常見的3D對象存儲格式,它被設(shè)計(jì)出來是為了便于渲染的數(shù)據(jù)轉(zhuǎn)換和傳輸,本文為大家介紹了使用Python和C++解析gltf文件的方法,感興趣的可以了解下2023-09-09