TensorFlow完整神经网络样例

逃离我推掉我的手 2021-09-22 05:48 467阅读 0赞

*分享一个我的公众号，最近突然想玩公众号，之前做过一段时间前端开发，考虑到现在应用程序越来越多，未来社会一定是一个充满“只有你想不到，没有你做不到”的App的世界！而微信小程序又给我们这群喜爱开发的童鞋们提供了友好的入门机会，因此，不如就在当下，开始一步一步的学习并开发自己的小程序吧。这是我的公众号：目的是和大家讨论小程序开发，同时也带着开发小白入门设计开发微信小程序，来吧，加入！*

![20200318220239494.png][]

# 正文： #

我把TensorFlowGPU版本装在了服务器上（当然现在有windows版本的TensorFlow了，你可以在你自己的笔记本上玩），编译器用的Pycharm,通过在pycharm上设置远程访问服务器的python解释器来完成下边代码的运行。

\# coding=utf-8

"""完整的神经网络解决二分类问题"""

import tensorflow as tf

from numpy.random import RandomState

\# 定义训练数据batch大小

batch\_size = 8

\# 定义神经网络的参数

w1 = tf.Variable(tf.random\_normal(\[2, 3\], stddev=1, seed=1))

w2 = tf.Variable(tf.random\_normal(\[3, 1\], stddev=1, seed=1))

\# 在shape的一个维度上使用None可以方便使用不大的batch大小，在训练时需要把数据分

\# 成比较小的batch，但是在测试时，可以一次性使用全部的数据。当数据集比较小时这样比较

\# 方便测试，但数据集比价大时，将大量数据放入一个batch可能会导致内存溢出。

x = tf.placeholder(tf.float32, shape=(None, 2), name='x-input')

y\_ = tf.placeholder(tf.float32, shape=(None, 1), name='y-input')

\# 定义神经网络前向传播的过程

a = tf.matmul(x, w1)

y = tf.matmul(a, w2)

\# 定义损失函数和反向传播算法

cross\_entropy = -tf.reduce\_mean(

y\_ \* tf.log(tf.clip\_by\_value(y, 1e-10, 1.0)))

train\_step = tf.train.AdamOptimizer(0.001).minimize(cross\_entropy)

\# 通过随机数生成一个模型数据集

rdm = RandomState(1)

dataset\_size = 128

X = rdm.rand(dataset\_size, 2)

\# 定义规则来给出样本的标签。在这里所有x1+x2<1的样例都被认为是正样本（比如零件合格），

\# 而其他为负样本（比如零件不合格）。和Tensorflow游乐场中的表示法不大一样的地方是，

\# 这里使用0来表示负样本，1来表示正样本。大部分解决分类问题的神经网络都会采用0和1的表示方法。

Y = \[\[int(x1+x2 < 1)\] for (x1, x2) in X \]

\# 创建一个会话来运行Tensorflow程序

with tf.Session() as sess:

init\_op = tf.initialize\_all\_variables()

\# 初始化变量

sess.run(init\_op)

print sess.run(w1)

print sess.run(w2)

'''在训练之前神经网络参数的值为：

'''

\# 设定训练的轮数

STEPS = 5000

for i in range(STEPS):

\# 每次选取batch\_size个样本进行训练。

start = (i \* batch\_size) % dataset\_size

end = min(start+batch\_size, dataset\_size)

\# 通过选取的样本训练神经网络并更新参数。

sess.run(train\_step,

feed\_dict=\{x: X\[start:end\], y\_: Y\[start:end\]\})

if i % 1000 == 0:

\#每隔一段时间计算在所有数据上的交叉熵并输出。

total\_cross\_entropy = sess.run(

cross\_entropy, feed\_dict=\{x: X, y\_: Y\})

print ("After %d training step(s), cross entropy on all data is % g" % (i, total\_cross\_entropy))

'''

输出结果：

'''

print sess.run(w1)

print sess.run(w2)

'''

在训练之后神经网络参数的值：

'''

上面的程序实现了训练神经网络的全部过程。从中可以总结出训练神经网络的过程可以分为以下3步：

1、定义神经网络的结构和前向传播的过程。

2、定义损失函数以及选择反向传播优化的算法。

3、生成会话（tf.Session）并且在训练数据上反复运行反向传播优化算法。

无论神经网络的结构如何变化，这3个步骤是不变的。

[20200318220239494.png]: /images/20210920/f4197e25ec71486bb976dfb276044de1.png

发表评论取消回复

表情：

评论列表（有 0 条评论，467人围观）

还没有评论，来说两句吧...

相关阅读

相关 TensorFlow之循环神经网络

在前面我们知道了卷积神经网络的网络结构，并介绍了如何使用卷积神经网络解决图像识别问题。本章中将介绍另外一种常用的神经网络结构——循环神经网络（recurrent neu...

傷城~/ 2024年04月18日 07:47/ 0 赞/ 83 阅读

相关 TensorFlow之深层神经网络

前面介绍了TensorFlow的主要概念，并给出了一个完整的TensorFlow程序来训练神经网络.这一章将介绍：如何设计和优化神经网络，使得他能够更好地对未知的样本进...

忘是亡心i/ 2024年04月18日 07:43/ 0 赞/ 66 阅读

相关 rocketmq普通消息样例、顺序消息样例、延时消息样例、批量消息样例、过滤消息样例、事务消息样例

样例xiao -------------------- 1 基本样例在基本样例中我们提供如下的功能场景：使用RocketMQ发送三种类型的消息：同步消

刺骨的言语ヽ痛彻心扉/ 2022年11月27日 01:56/ 0 赞/ 231 阅读

相关 tensorflow优化sess.run() 代码样例

tensorflow优化sess.run() 代码样例众所周知，TensorFlow运行瓶颈之一是调用sess.run() 目前问题：循环内部每次都要开启一次S

短命女/ 2022年11月16日 01:26/ 0 赞/ 158 阅读

相关 TensorFlow最佳实践样例程序

此例程出自《TensorFlow实战Google深度学习框架》第5章 MNIST数字识别问题，很好的一个例子。工程目录： -mnist_best

以你之姓@/ 2022年06月17日 04:27/ 0 赞/ 199 阅读

相关深度学习笔记——全连接神经网络样例程序及详细注释

全连接神经网络(fully connected neural network)，顾名思义，就是相邻两层之间任意两个节点之间都有连接。全连接神经网络是最为普通的一种模型（比如和C

深藏阁楼爱情的钟/ 2022年05月28日 08:09/ 0 赞/ 192 阅读

相关 tensorflow构建神经网络识别MNIST数据集样例代码

最近在学习郑泽宇老师的《Tensorflow实战Google深度学习框架》，书中样例代码写的非常简洁、易懂，而且逻辑性很强，在这里进行记录一下。

桃扇骨/ 2022年05月14日 04:20/ 0 赞/ 275 阅读

相关机器学习（python+numpy+tensorflow）实战样例

import numpy as np import tensorflow as tf import matplotlib.pyplot as plt

Myth丶恋晨/ 2022年02月03日 00:13/ 0 赞/ 240 阅读

相关 TensorFlow神经网络的训练过程

batch\_size = n \ 首先选取一小部分数据作为batch，此处定义batch的大小为n； \ 每次读取一小部分数据作为当前的训练数据来执行反向传播算

悠悠/ 2021年09月22日 05:50/ 0 赞/ 434 阅读

相关 TensorFlow完整神经网络样例

分享一个我的公众号，最近突然想玩公众号，之前做过一段时间前端开发，考虑到现在应用程序越来越多，未来社会一定是一个充满“只有你想不到，没有你做不到”的App的世界！而微信小程序又

逃离我推掉我的手/ 2021年09月22日 05:48/ 0 赞/ 468 阅读