tensorflow构建BP神经网络的方法

Fidelia ·

更新时间:2024-11-11

· 821 次阅读

之前的一篇博客专门介绍了神经网络的搭建，是在python环境下基于numpy搭建的，之前的numpy版两层神经网络，不能支持增加神经网络的层数。最近看了一个介绍tensorflow的视频，介绍了关于tensorflow的构建神经网络的方法，特此记录。

tensorflow的构建封装的更加完善，可以任意加入中间层，只要注意好维度即可，不过numpy版的神经网络代码经过适当地改动也可以做到这一点，这里最重要的思想就是层的模型的分离。


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] # 转为列向量 
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]) # 样本数未知，特征数为1，占位符最后要以字典形式在运行中填入 
ys = tf.placeholder(tf.float32,[None,1]) 
l1 = addLayer(xs,1,10,activity_function=tf.nn.relu) # relu是激励函数的一种 
l2 = addLayer(l1,10,1,activity_function=None) 
loss = tf.reduce_mean(tf.reduce_sum(tf.square((ys-l2)),reduction_indices = [1]))#需要向相加索引号，redeuc执行跨纬度操作 
train = tf.train.GradientDescentOptimizer(0.1).minimize(loss) # 选择梯度下降法 
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})

您可能感兴趣的文章:TensorFlow平台下Python实现神经网络TensorFlow神经网络优化策略学习TensorFlow深度学习之卷积神经网络CNNTensorFlow实现卷积神经网络CNNTensorFlow搭建神经网络最佳实践Tensorflow实现卷积神经网络用于人脸关键点识别利用TensorFlow训练简单的二分类神经网络模型的方法TensorFlow实现RNN循环神经网络tensorflow入门之训练简单的神经网络方法TensorFlow 实战之实现卷积神经网络的实例讲解

bp神经网络方法 tensorflow

1024 个赞