第一次使用tensorflow编写程序

最新推荐文章于 2023-08-25 12:56:54 发布

默默敲代码ac纯属偶然

最新推荐文章于 2023-08-25 12:56:54 发布

阅读量2.2k

点赞数

分类专栏：机器学习

本文链接：https://blog.csdn.net/dark1412myj/article/details/78855650

版权

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