人工智能实践，tensorflow学习笔记（二）

最终的代码段：导入了随机模块，并且进行判定。

# -*- coding: utf-8 -*-
"""
Created on Sat Jan 19 21:03:00 2019

@author: Administrator
"""

# 0 导入模块，生成模拟数据集
import tensorflow as tf
import numpy as np
BATCH_SIZE = 8
seed = 23455

#基于seed产生随机数
rng = np.random.RandomState(seed)
#随机数返回32行2列的矩阵，表示32组 体积和重量，作为输入数据集
X= rng.rand(32,2)
#从X这个32行2列的矩阵中，取出一行，判断如果和小于1，给y赋值1，如果和不小于1，给y赋值0
#作为输入数据集的标签（正确答案）
Y= [[int(x0+x1<1)]for (x0,x1)in X]
print("X :\n",X)
print("Y:\n",Y)
# 1 定义神经网络的输入，输出和参数，定义前向传播过程
x = tf.placeholder(tf.float32,shape = (None,2))
y_= tf.placeholder(tf.float32,shape = (None,1))

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

a= tf.matmul(x,w1)
y= tf.matmul(a,w2)

# 2 定义损失函数及反向传播方法
loss= tf.reduce_mean(tf.square(y-y_))
train_step = tf.train.GradientDescentOptimizer(0.001).minimize(loss)
#train_step = tf.train.Momentum0ptimizer(0.001,0.9).minimize(loss)
#train_step = tf.train.Adam0ptimizer(0.001).minimize(loss)

# 3 生成会话，训练STEPS轮
with tf.Session() as sess:
    init_op = tf.global_variables_initializer()
    sess.run(init_op)
    #输出目前（未经训练）参数取值
    print("w1:\n",sess.run(w1))
    print("w2:\n",sess.run(w2))
    print("\n")
    #训练模型
    STEPS= 3000
    for i in range(STEPS):
        start = (i*BATCH_SIZE)%32
        end = start + BATCH_SIZE
        sess.run(train_step,feed_dict={x:X[start:end],y_:Y[start:end]})
        if i %500 == 0:
            total_loss = sess.run(loss,feed_dict={x:X,y_:Y})
            print("After %d training steps,loss on all data is %g"%(i,total_loss))
    print("\n")
    print("w1:",sess.run(w1))
    print("w2:",sess.run(w2))

……………………………………2019年1月20   ：还是没有想清楚全部的过程，但整体的代码段已经分析完毕。*（要进行高数梯度和线性代数多维向量方面的复习）

---