使用tensorflow实现BP神经网络

前言：
前一篇博客使用numpy实现了BP神经网络，梯度求解和参数的更新都需要自己来编程实现，一不小心就会搞错。然而，每一层的实现都有一个固定的套路，激活函数也就这么几个，有没有更好的框架来实现呢？额谷歌团队开发了一个深度学习框架tensorflow，将一些繁琐的东西封装好了供我们使用。tensorflow在工业界和学术界都使用广泛，所以，我们有必要学习使用tensorflow，今天小试牛刀，用tensorflow实现BP神经网络。

编程实现：

import tensorflow as tf
import numpy as np

#加载数据，2维特征，二分类
“”“
set,txt文件的数据格式形如：
-0.017612 14.053064 0
-1.395634 4.662541 1
-0.752157 6.538620 0
-1.322371 7.152853 0
0.423363 11.054677 0
0.406704 7.067335 1
”“”
def loadData():
    feature = []
    lable = []
    fr = open('set.txt')
    lines = fr.readlines()
    for line in lines:
        lineArr = line.strip().split()
        feature.append([lineArr[0], lineArr[1]])
        lable.append([lineArr[-1]])
    return np.array(feature, dtype=