tensorflow1.x神经网络小训练过程

最新推荐文章于 2024-06-21 23:18:50 发布

「已注销」

最新推荐文章于 2024-06-21 23:18:50 发布

阅读量820

点赞数

分类专栏： tensorflow

本文链接：https://blog.csdn.net/YJYS_ZHX/article/details/109540749

版权

这篇博客介绍了在TensorFlow 1.x中进行神经网络训练的基本步骤，包括设置模型输入、创建损失函数、选择优化器、运行计算图以及初始化全局变量。博主详细阐述了从导入库、定义变量与占位符，到计算交叉熵损失函数、使用优化器最小化损失，再到训练数据的过程。

摘要由CSDN通过智能技术生成

总体过程：
模型：设置模型输入：数据以及标签，采用占位符的形式；placeholder（）
创建执行过程，得到输出；
损失：创建损失函数loss;
优化：创建优化器：optimizer = tf.train…().minimize(loss)
运行：创建计算图：with tf.Session() as sess:
初始化全局变量
运行优化器：sess.run(optimizer)
输出每轮的损失

注意之处：
1、运行模型，需要feed变量，要使feed_dict的变量与placeholder处的shape相对应，且feed_dict的标签不能使用tensor
2、np.reshape()可以更改shape
3、运行时初始化变量

导入库

import tensorflow as tf
from numpy.random import RandomState #用于生成随机数
import numpy as np

batch_size = 8

定义变量与占位

w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))  
w2 = tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1))

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