tensorflow构建BP神经网络的方法

技术  /  管理员 发布于 7年前   190

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}) 

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。