tensorflow入門之訓練簡單的神經(jīng)網(wǎng)絡(luò)方法-創(chuàng)新互聯(lián)

這幾天開始學tensorflow，先來做一下學習記錄

創(chuàng)新互聯(lián)建站長期為1000多家客戶提供的網(wǎng)站建設(shè)服務(wù)，團隊從業(yè)經(jīng)驗10年，關(guān)注不同地域、不同群體，并針對不同對象提供差異化的產(chǎn)品和服務(wù)；打造開放共贏平臺，與合作伙伴共同營造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為大觀企業(yè)提供專業(yè)的成都做網(wǎng)站、網(wǎng)站制作，大觀網(wǎng)站改版等技術(shù)服務(wù)。擁有10年豐富建站經(jīng)驗和眾多成功案例,為您定制開發(fā)。

一.神經(jīng)網(wǎng)絡(luò)解決問題步驟：

1.提取問題中實體的特征向量作為神經(jīng)網(wǎng)絡(luò)的輸入。也就是說要對數(shù)據(jù)集進行特征工程，然后知道每個樣本的特征維度，以此來定義輸入神經(jīng)元的個數(shù)。

2.定義神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，并定義如何從神經(jīng)網(wǎng)絡(luò)的輸入得到輸出。也就是說定義輸入層，隱藏層以及輸出層。

3.通過訓練數(shù)據(jù)來調(diào)整神經(jīng)網(wǎng)絡(luò)中的參數(shù)取值，這是訓練神經(jīng)網(wǎng)絡(luò)的過程。一般來說要定義模型的損失函數(shù)，以及參數(shù)優(yōu)化的方法，如交叉熵損失函數(shù)和梯度下降法調(diào)優(yōu)等。

4.利用訓練好的模型預測未知的數(shù)據(jù)。也就是評估模型的好壞。

二.訓練簡單的向前傳播神經(jīng)網(wǎng)絡(luò)

一下訓練的神經(jīng)模型是最簡單的一類，而且是線性的（也就是說沒有用激活函數(shù)去線性話），沒有反向傳播的過程，只是簡單的說明神經(jīng)網(wǎng)絡(luò)工作的流程。

import tensorflow as tf

#定義隱藏層參數(shù)，每個w變量是一個tensor(可以當成是n*m的數(shù)組，n表示上一層結(jié)點個數(shù)，m表示本層結(jié)點個數(shù))表示上一層與本層的連接權(quán)重,這里先隨機定義權(quán)重
w1=tf.Variable(tf.random_normal([2,3]，stddev=1))
w2=tf.Variable(tf.random_normal([3,1]，stddev=1))

#定義存放輸入數(shù)據(jù)的地方，也就是x向量,這里shape為前一個傳入訓練的樣本個數(shù)，后面出入每個樣本的維度大小
x=tf.placeholder(tf.float32,shape=(None,2),name="input")
#矩陣乘法
a=tf.matmul(x,w1)
y=tf.matmul(a,w2)

with tf.Session() as sess:
  #新版本好像不能用這個函數(shù)初始化所有變量了
  init_op=tf.initialize_all_variables()
  sess.run(init_op)
  #feed_dict用于向y中的x傳入?yún)?shù)，這里傳入3個，則y輸出為一個3*1的tensor
  print（sess.run(y,feed_dict={x:[[0.7,0.9],[1.0,1.5],[2.1,2.3]]}))

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

名稱欄目：tensorflow入門之訓練簡單的神經(jīng)網(wǎng)絡(luò)方法-創(chuàng)新互聯(lián)
分享網(wǎng)址：http://bm7419.com/article48/cedihp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供企業(yè)建站、虛擬主機、用戶體驗、網(wǎng)站導航、網(wǎng)站營銷、標簽優(yōu)化

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)