深度学习2.0-普通BP神经网络

参考： BP神经网络

1.前言

BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，是目前应用最广泛的神经网络。
BP神经网络，系统解决了多层神经网络隐含层连接权学习问题。从结构上讲，BP网络具有输入层、隐藏层和输出层；从本质上讲，BP算法就是均方误差为目标函数，采用梯度下降法来计算目标函数的最小值。

2.问题描述

使用BP神经网络识别MNIST手写数字数据集

3.BP神经网络的Tensorflow实现

在Tensorflow2.0中，对于经典的BP神将网络进行了封装，称为全连接层，它会自动完成BP神经网络隐层的操作

#!usr/bin/env python
# -*- coding:utf-8 _*-
"""
@author: liujie
@software: PyCharm
@file: 手写数据集.py
@time: 2020/11/10 14:06
"""
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import optimizers,datasets,layers,Sequential,metrics

(x,y) ,(x_test,y_test) = datasets.fashion_mnist.load_data()
print(x.shape,y.shape)

# 数据处理
def preprocess(x,y):
    x = tf.cast(x,dtype=tf.float32) / 255.
    y = tf.cast(y,dtype=tf.int32)
    return x,y

batch_size = 64