深度学习-Tensorflow2.0实现全连接神经网络

1、数据和问题描述

  本文采用Tensorflow实现全连接神经网络，对鸢尾花数据进行分类。首先加载数据集，代码如下：

import tensorflow as tf
from sklearn import datasets
import numpy as np

# 读取数据
x_data = datasets.load_iris().data
y_data = datasets.load_iris().target

  数据集的特征包含4列，如下图所示：

  标签列的取值为（0，1，2）三种，是一个多分类问题。

2、数据预处理

  将数据集打乱顺序，并划分为训练集和测试集，代码如下：

# 用相同的随机种子打乱数据集
np.random.seed(116)
np.random.shuffle(x_data)
np.random.seed(116)
np.random.shuffle(y_data)

tf.random.set_seed(116)

x_train = x_data[:-30]
y_train = y_data[:-30]

x_test = x_data[-30:]
y_test = y_data[-30:]

  这里查看一下 x_train 的数据类型：

x_train.dtype
# dtype('float64') #输出的类型是float64

  为了避免后续进行计算的时候出现数据类型不一致的情况，这里对 x_train、x_test 进行类型转换：

# 转换x的数据类型，否则后面矩阵相乘时会因数据类型不一致报错
x_train = tf.cast(x_train, tf.float32)
x_test = tf.cast(x_test,