人工智能从入门到精通（5）

第五天

tf.where 和tf.greater的用法

import tensorflow as tf
v1=tf.constant([1.0,2.0,3.0,4.0])
v2=tf.constant([4.0,3.0,2.0,1.0])

sess=tf.InteractiveSession()
print (tf.greater(v1,v2).eval())

print (tf.where(tf.greater(v1,v2),v1,v2).eval())

sess.close()

tf.where前面是条件，后面是true，false的选择

自定义损失函数

import tensorflow as tf
from numpy.random import RandomState

batch_size=8

x=tf.placeholder(tf.float32,shape=(None,2),name='x-input')
y_=tf.placeholder(tf.float32,shape=(None,1),name='y-input')

w1=tf.Variable(tf.random_normal([2,1],stddev=1,seed=1))
y=tf.matmul(x,w1)

loss_less=10
loss_more=1
loss=tf.reduce_sum(tf.where(tf.greater(y,y_),(y-y_)*loss_more,(y_-y)*loss_less))#自定义损失函数
train_step=tf.train.AdamOptimizer(0.001).minimize(loss)#目标让损失函数尽量小

rdm=RandomState(1)
dataset_size=128
X=rdm.rand(dataset_size,2)
Y=[[x1+x2+rdm.rand()/10.0-0.05] for (x1,x2) in X]

with tf.Session() as sess:
    init_op=tf.initialize_all_variables()
    sess.run(init_op)
    STEPS=5000
    for i in range(STEPS):
        start=(i*batch_size)%dataset_size
        end=min(start+batch_size,dataset_size)
        sess.run(train_step,feed_dict={x:X[start:end],y_:Y[start:end]})
        print(sess.run(w1))

输出:
[[ 1.01934695]
 [ 1.04280889]]

在预测商品销量时，预测多了，损失制造成本，预测少了，损失销售成本。如果成本1元，销售利润10元，则预测少了，则损失更多。