参考网上给的例程使用tensorflow实现了一个简单的全连接层网络的搭建。训练一个神经网络匹配二元函数。
步骤主要如下:
- 导入相应的包
- 定义添加层
- 准备训练数据
- 构建神经网络层
- 定义损失函数和训练优化使损失函数最小化
- 初始化变量,激活结构
- 迭代训练
1、首先导入相应的包,有tensorflow、numpy
import tensorflow as tf
import numpy as np
2.然后是定义添加层add_layer
def add_layer(inputs,in_size,out_size,activation_function=None):
w = tf.Variable(tf.random_normal([in_size,out_size]))
b = tf.Variable(tf.zeros([1,out_size])+0.1)
f = tf.matmul(inputs,w)+b
if activation_function is None:
outputs = f
else:
outputs = activation_function(f)
return outputs
用tf.Variable定义变量权重w和偏置量b,w定义为大小是输入尺寸X输出