Tensorflow简单的神经网络

使用Tensorflow 实现一个简单的全连接神经网络，及效果可视化

import tensorflow as tf
import numpy as np

#让结果可视化,添加一个模块
import matplotlib.pyplot as plt


# 添加和定义一个神经层

#inputs代表输入，in_size,输入维度,out_size代表输出维度，激活函数默认为None
def add_layer(inputs,in_size,out_size,activation_function=None):
    #生成一个随机权值
    Weights = tf.Variable(tf.random_normal([in_size,out_size]))
    #定义一个为0.1的偏置
    biases = tf.Variable(tf.zeros([1,out_size]) + 0.1)
    #output = W x + b 
    Wx_plus_b = tf.matmul(inputs,Weights) + biases
    #如果没有定义激活函数
    if activation_function is None:
        outputs = Wx_plus_b
    else:
        outputs = activation_function(Wx_plus_b)
    return outputs
#定义一个数据集 -1， 1这个区间，有300个数据
x_data = np.linspace(-1,1,300)[:,np.newaxis]

#定义一个noise使数据更像一个真实数据，方差为0.05均值为0
noise = np.random.normal(0,0.05,x_data.shape)

#y值为

y_data = np.square(x_data)-0.5 + noise

#定义sess,run()时的值
xs = tf.placeholder(tf.float32,[None,1])
ys = tf.placeholder(tf.float32,[None,1])

#这里的输入层只有一个输入，定义第一层的隐藏节点为10个,激活函数为relu

l1 = add_layer(xs,1,10,activation_function = tf.nn.relu)
#将第一层的输出作为第二层的输入
#这里就有10个输入，但是输出y只有一个结点，所以
prediction = add_layer(l1,10,1,activation_function = None)

#定义损失值,将每个数据的预测值和真实值相减求平方再求和，最后平均

loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),
                                    reduction_indices=[1]))

#然后训练数据,梯度下降，学习率为0.1
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)

init = tf.global_variables_initializer()

#生成一个图片框
fig = plt.figure()
#生成一个连续性的画图
ax = fig.add_subplot(1,1,1)
#先将真实数据答应出来
ax.scatter(x_data,y_data)
#连续的显示plt
plt.ion()

with tf.Session() as sess:
    sess.run(init)
    for i in range(3000):
        sess.run(train_step,feed_dict = {xs:x_data,ys:y_data})
        if i % 50 ==0:
            print(sess.run(loss,feed_dict = {xs:x_data,ys:y_data}))
            #画一条之后去除一条
            try:
                ax.lines.remove(lines[0])
            except Exception:
                pass
            #显示预测数据,这里的预测值只和xs有关
            prediction_value = sess.run(prediction,feed_dict={xs:x_data})
            #用一条很色的线将结果画上去
            lines = ax.plot(x_data,prediction_value,'r-',lw = 5)
            plt.pause(0.3)