tensorflow和python基于bp神经网络预测_tensorflow构建BP神经网络的方法

之前的一篇博客专门介绍了神经网络的搭建，是在python环境下基于numpy搭建的，之前的numpy版两层神经网络，不能支持增加神经网络的层数。最近看了一个介绍tensorflow的视频，介绍了关于tensorflow的构建神经网络的方法，特此记录。

tensorflow的构建封装的更加完善，可以任意加入中间层，只要注意好维度即可，不过numpy版的神经网络代码经过适当地改动也可以做到这一点，这里最重要的思想就是层的模型的分离。

import tensorflow as tf

import numpy as np

def addLayer(inputData,inSize,outSize,activity_function = None):

Weights = tf.Variable(tf.random_normal([inSize,outSize]))

basis = tf.Variable(tf.zeros([1,outSize])+0.1)

weights_plus_b = tf.matmul(inputData,Weights)+basis

if activity_function is None:

ans = weights_plus_b

else:

ans = activity_function(weights_plus_b)

return ans

x_data = np.linspace(-1,1,300)[:,np.newaxis] # 转为列向量

noise = np.random.normal(0,0.05,x_data.shape)

y_data = np.square(x_data)+0.5