Tensorflow实例:神经网络解决二分类问题
2017-10-10 17:48
751 查看
Tensorflow实例:神经网络解决二分类问题
目的
通过《TensorFlow:实战Google深度学习框架》中的实例:神经网络解决二分类问题,熟悉完整的Tensorflow程序来训练神经网络代码
import tensorflow as tf from numpy.random import RandomState batch_size = 8 w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1)) w2 = tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1)) x = tf.placeholder(tf.float32, shape=(None, 2), name="x-input") y_ = tf.placeholder(tf.float32, shape=(None, 1), name="y-input") a = tf.matmul(x, w1) y = tf.matmul(a, w2) cross_entropy = -tf.reduce_mean( y_ * tf.log(tf.clip_by_value(y, 1e-10, 1.0)) ) train_step = tf.train.AdamOptimizer(0.001).minimize(cross_entropy) rdm = RandomState(1) dataset_size = 128 X = rdm.rand(dataset_size, 2) Y = [[int(x1 + x2 < 1)] for (x1, x2) in X] with tf.Session() as sess: init_op = tf.global_variables_initializer() sess.run(init_op) print(sess.run(w1)) print(sess.run(w2)) STEPS = 5000 for i in range(STEPS): start = (i * batch_size) % dataset_size end = min(start + batch_size, dataset_size) sess.run(train_step, feed_dict={x: X[start:end], y_: Y[start:end]}) if i % 1000 == 0: total_cross_entropy = sess.run(cross_entropy, feed_dict={x: X, y_: Y}) print("After %d training step(s), cross entropy on all data is %g" % (i, total_cross_entropy)) print(sess.run(w1)) print(sess.run(w2))
总结
下面的程序实现了训练神经网络的全部过程。从这段程序可以总结出训练神经网络的过程可以分为以下3个步骤:定义神经网络的结构和前向传播的输出结果。
定义损失函数以及选择反向传播优化的算法。
生成会话(tf.Session)并且在训练数据上反复运行反向传播优化算法
无论神经网络的结构如何变化,这3个步骤是不变的。
相关文章推荐
- TensorFlow训练神经网络解决二分类问题
- Tensorflow简单神经网络解决Kaggle比赛Titanic问题
- 利用TensorFlow和神经网络来处理文本分类问题
- 神经网络解决分类问题步骤
- 基于Tensorflow的神经网络解决用户流失概率问题
- Tricks(四十)—— 神经网络解决与(或)及异或问题
- 用tensorflow 创建一个基于策略网络的Agent来解决CartPole问题
- 神经网络入门之Logistic回归(分类问题)
- Tensorflow手写数字识别之简单神经网络分类与CNN分类效果对比
- tensorflow学习笔记四:mnist实例--用简单的神经网络来训练和测试
- 机器学习:神经网络、正则化、多分类问题与Python代码实现
- 利用TensorFlow训练简单的二分类神经网络模型的方法
- 【神经网络与深度学习】caffe静态链接库“Unknown layer type: Convolution (known types: )”和“ 磁盘空间不足”问题的解决办法
- (provider: SQL 网络接口, error: 26 - 定位指定的服务器/实例时出错) 问题解决啦 O(∩_∩)O哈哈~
- tensorflow实例(7)--建立多层神经网络
- 基于神经网络的二分类问题
- 韩国庆尚大学jinju的神经网络解决XOR问题
- 【神经网络】3:BP神经网络解决异或问题
- 机器学习之文本分类-神经网络TensorFlow实现(一)