摘要
本文总结了神经网络预测的代码实现模版, 包括数据定义部分、前向传播定义部分、反向传播定义部分、运算部分.这里没有使用真实的数据集, 可实现简单的回归预测, 也可以进行简单的二分类预测. 如有讲解不当或不明的地方,欢迎指正与讨论.
Wechat: W1474317529
相关依赖
numpy, TensorFlow, pandas, os
import部分
import os
# os.environ["TF_CPP_MIN_LOG_LEVEL"]='1' # 这是默认的显示等级,显示所有信息
os.environ["TF_CPP_MIN_LOG_LEVEL"]='2' # 只显示 warning 和 Error
# os.environ["TF_CPP_MIN_LOG_LEVEL"]='3' # 只显示 Error
#coding:utf-8
import tensorflow as tf
import numpy as np
import pandas as pd
笔者使用的是TensorFlow的CPU版本, 如使用GPU版本可忽略os的import.
os.environ部分是防止因cpu性能较低而导致的运行失败, 实际使用时酌情添加.
数据定义部分
X = searchX() #42*720
Y = searchY() #42*720
print("Shape of X:\n", X.shape)
print("Shape of Y:\n", Y.shape)
x = tf.placeholder(tf.float32, shape=(None, 720))
y_