写在前面
对于这个新的类别,我也不清楚到底能做到什么程度。首先,从自己的角度上来说,我更希望做一名开发者而非数据科学家来学习Tensorflow与其他深度学习框架。然后,目前主要学习资料是《Tensorflow深度学习框架》,依据这本书里的内容进行学习与注解。
基于模拟数据的二分类网络
下面是根据《Tensorflow深度学习框架》中的一个例子,纠正了一些版本上的Bug,具体可参考:Python——Print函数的Invalid syntax错误。网络代码如下所示:
# -*- coding: utf-8 -*-
"""
Created on Tue May 15 10:27:01 2018
@Description: Two Categories test by Tensorflow
@author: IdaZhang
"""
import tensorflow as tf
# 通过Numpy工具包生成模拟数据集
from numpy.random import RandomState
# 定义训练数据batch的大小
batch_size = 8
# 定义神经网络的参数
w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))
w2 = tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1))
# 在shape的维度上使用None可以方便的使用不大的batch大小。
# 在训练时需要把数据分成比较小的batch,但是在测试时,可以一次性使用全部的数据
# 当数据集比较小时,这样比较方便测试。但数据集比较大时,大量数据放入一个batch可能会
# 导致内存溢出
x = tf.placeholder(tf.float32, shape=(