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