第一次使用tensorflow编写程序

博主在学习机器学习后,通过阅读TensorFlow实战书籍进行实践。首次尝试解决判断数字是否为3或5倍数的问题,最初采用回归方法失败。了解到TensorFlow的计算图机制,以及变量trainable属性在模型更新中的作用。调整思路,将问题视为分类问题,采用多层神经网络,通过调整学习率和隐含层节点数,最终在训练数据上达到100%准确率。之后用新的测试数据进行验证。
摘要由CSDN通过智能技术生成

最近一直在学习机器学习,看了一段时间的机器学习理论后,买了一本tensorflow实战的书,开始实战:

tensorflow的基本单位是tensor即张量,就是矩阵,可以是多维的矩阵,具体一些概念不在这里解释

尝试使用tensorflow去解决的第一个问题是给一个数,如果这个数是3的倍数,那它属于第一类,如果是5的倍数属于第二类,最开始的想法是用regression乱train一发,结果坏掉了,不能work

这里是产生数据的代码,每个数字产生对应二进制的表示作为网络的输入,如果%3==0则label为[1 0],如果能%5==0则label为[0 1],如果%15==0则label为[1 1],使用这些数据进行regression

def int2vector(i):
    ele=[]
    dim = 10
    while (dim != 0):
        dim = dim - 1
        ele.append(i % 2)
        i = i // 2
    return ele
def getLabel(x):
    ele = []
    if x % 3 == 0:
        ele.append(1)
    else:
        ele.append(0)
    if x % 5 == 0:
        ele.append(1)
    else:
        ele.append(0)
    return ele

def getTranData(x,y):
    for i in range(10,900):

        y.append(getLabel(i))

        x.append(int2vector(i))

训练过程:

def train():
    data=[]
    label=[]
    getTranData(data,label)
    x = tf.placeholder(tf.float32,[None,10],name='x-input')
    y_ = tf.placeholder(tf.float32,[None,2],name='y-output')
    weight1 = tf.Variable(tf.random_normal([10,1000],stddev=0.1) )
    bias1 = tf.Variable(tf.zeros([1000]))

    weight2 = tf.Variable(tf.random_normal([1000, 2], stddev=0.1))
    bias2 = tf.Variable(tf.zeros([2]))

    hide = tf.nn.relu( tf.matmul( x,weight1 ) + bias1 )
    y = tf.matmul(hide,weight2)+bias2

    global_step 
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值