# coding:UTF-8
import os
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 忽略不必要的警告
# 添加隐藏层
def add_layer(inputs, in_size, out_size, activation_function=None):
loc_w = tf.Variable(tf.random_normal([in_size, out_size]))
loc_b = tf.Variable(tf.zeros([1, out_size]) + 0.1) # 官方推荐biases初始值不为0
loc_y = tf.matmul(inputs, loc_w) + loc_b
if activation_function is None:
loc_outputs = loc_y
else:
loc_outputs = activation_function(loc_y)
return loc_outputs
# 输入数据
x_data = np.linspace(-1, 1, 250)[:, np.newaxis]
noise = np.random.normal(0, 0.05, x_data.shape)
y_data = np.square(x_data) + noise
# 数据可视化,输出原始数据
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1) # 参数为输出图框的编号
ax.scatter(x_data, y_data)
plt.ion()
plt.show()
# 创建结构 start
xs = tf.placeholder(tf.float32, [Non
tensorflow:添加隐藏层 搭建神经网络
最新推荐文章于 2022-05-05 14:20:25 发布
本文演示了如何使用TensorFlow构建一个包含隐藏层的神经网络模型,通过添加一个ReLU激活函数的隐藏层和一个输出层,并利用梯度下降优化器进行训练。在训练过程中,损失函数随着迭代次数减少,实现对输入数据平方加噪声后的拟合。
摘要由CSDN通过智能技术生成