Morvan莫烦Tensorflow学习代码之tensorflow2.0版本(六、bulid a nerual network）

Tensorflow2.0实现建立神经网络

神经网络拟合曲线 y = x^2 - 0.5，代码如下

import tensorflow._api.v2.compat.v1 as tf
import numpy as np
tf.disable_v2_behavior()

#定义一个神经层
def add_layer(inputs,in_size,out_size,activatioin_function=None):
    Weights = tf.Variable(tf.random_normal([in_size,out_size])) #normal distribution是正态分布随机数
    biases = tf.Variable(tf.zeros([1,out_size]) + 0.1) #建议biases不为0，所以加上0.1
    Wx_plus_b = tf.matmul(inputs,Weights) + biases
    #inputs的大小是1*in_size,Weight的大小是in_size*out_size，相乘后大小是1*out_size的行向量
    if activatioin_function is None:
        outputs = Wx_plus_b
    else:
        outputs = activatioin_function(Wx_plus_b)
    return outputs

#生成原始数据
x_data = np.linspace(-1,1,300)[:,np.newaxis].astype('float32')
#在-1到1之间生成300个数的等差数列。
#[:,np.newaxis]加一个维度，使其变成300行，1列的矩阵，
#astype('float32')作为类型转换
noise = np.random.normal(0,0.05,x_data.shape)
y_data = np.square(x_data) - 0.5

xs = tf.placeholder(tf.float32,[None,1])#None代表行和列不固定，1代表只有1列
ys = tf.placeholder(tf.float32,[None,1])

l1 = add_layer(xs,1,10,activatioin_function=tf.nn.relu) #输入层一个神经元，隐藏层10个神经元
prediction = add_layer(l1,10,1,activatioin_function=None)#输出层1个神经元

loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))
#reduction_indices=[1]是对行方向压缩，按行求和；=[0]是对列方向压缩，按列求和
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)#0.1是学习率

init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

for i in range(1000):
    sess.run(train_step,feed_dict={xs:x_data,ys:y_data})#用placeholder，就需要用feed_dict来定义所用到的餐宿
    if i % 50==0 :
        print(sess.run(loss,feed_dict={xs:x_data,ys:y_data}))