Linux下用TensorFlow搭建神经网络
2018-04-12 19:44
459 查看
一、Linux常用 指令
桌面点击右键 ,选择 Open Terminal 打开终端pwd :打印当前在哪个目录
ls :列出当前路径下的文件和目录
mkdir 目录名: 新建目录
cd 目录名 :进到指定目录 进到指定目录
python :运行 Python 解释器
使用 cd 目录名 进到指定目录,如果指定的“目录名”是 . 表示当前目录 .. 表示当前目录的上一级 - 表示上一次所在目录 ~ 表示当前用户的 home 目录(即刚 login 时所在的目录) 如: cd .. 返回上级目录 cd ../.. 返回上两级目录 cd ~ 进入用户主目录 home 目
二、 vim 编辑器
vim 文件名 :打开或新建文本在 vimvim 中 点击 i 进入插模式 ,可往文本里写内容
ESC+ :+q +回车:退出 vim
ESC +:+wq+回车:保存更改退出 vim
ESC +:+q!+回车:不保存更改退出 vim vim
python b.py :运行文件
三、搭建神经网络
神经网络的搭建课分四步完成:准备工作、 神经网络的搭建课分四步完成:准备工作、 前向传播、反和循环迭代 。神经网络原理见:https://blog.csdn.net/pumpkin_love/article/details/79892874
举例 随机产生 32 组生产出的零件体积和重量,训练 3000 轮,每 500 轮输出一次损 失函数。下面我们 通过源代码进一步理解神经网络的实现程 :
#coding:utf-8 #0导入模块,生成模拟数据集。 import tensorflow as tf import numpy as np BATCH_SIZE=8 seed=23455 #基于seed产生随机数 rng=np.random.RandomState(seed) #随机数返回32行2列的矩阵,表示32组体积和质量,作为输入数据集 X=rng.rand(32,2) #从X这个32行2列的矩阵中取出一行,判断如果和小于1,给Y赋值1;如果和不小于1,给Y赋值0 #作为输入数据集的标签(正确答案) Y=[[int(x0+x1<1)] for (x0,x1) in X] print "X:\n",X print"Y:\n",Y #1定义神经网络的输入,参数和输出,定义前向传播过程 x=tf.placeholder(tf.float32,shape=(None,2)) y_=tf.placeholder(tf.float32,shape=(None,1)) w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) a=tf.matmul(x,w1) y=tf.matmul(a,w2) #2定义损失函数及反向传播方法 loss=tf.reduce_mean(tf.square(y-y_)) train_step=tf.train.GradientDescentOptimizer(0.001).minimize(loss) #train_step=tf.train.MomentumOptimzer(0.001,0.9).minimize(loss) #train_step=tf.train.AdamOptimizer(0.001).minimize(loss) #3生成会话,训练STEPS轮 with tf.Session() as sess: init_op=tf.global_variables_initializer() sess.run(init_op) #输出未经训练的参数取值 print"w1:\n",sess.run(w1) print"w2:\n",sess.run(w2) print"\n" #训练模型 STEPS=3000 for i in range(STEPS) start=(i*BATCH_SIZE)%32 end=start+BATCH_SIZE sess.run(train_step,feed_dict={x: X[start:end],y_: Y[start:end]}) if i % 500==0: total_loss=sess.run(loss,feed_dict={x: X,y_: Y}) print("After %d training step(s),loss on all data is %g" % (i,total_loss)) #输出训练后的参数取值 print"\n" print"w1:\n",sess.run(w1) print"w2:\n",sess.run(w2)
相关文章推荐
- TensorFlow学习笔记6:神经网络搭建(layer,estimator等)
- 一文学会用 Tensorflow 搭建神经网络
- 用TensorFlow自己动手搭建神经网络
- Tensorflow搭建神经网络及使用Tensorboard进行可视化
- (转)一文学会用 Tensorflow 搭建神经网络
- TensorFlow搭建神经网络最佳实践样例
- 一文学会用 Tensorflow 搭建神经网络
- TensorFlow识别复杂验证码以及搭建生产环境(5)—— 设计神经网络
- 【懒懒的Tensorflow学习笔记三之搭建简单的神经网络模型】
- TensorFlow搭建自己的神经网络(一)
- 【tensorflow】1.添加层及搭建神经网络
- 一文学会用 Tensorflow 搭建神经网络
- 深度学习——利用学习框架TensorFlow搭建深层神经网络DNN
- 一文学会用 Tensorflow 搭建神经网络
- 一文学会用 Tensorflow 搭建神经网络
- 如何用 Tensorflow 搭建神经网络-了解神经网络基本概念
- TensorFlow搭建神经网络最佳实践
- tensorflow之搭建神经网络
- Tensorflow神经网络的搭建
- 用tensorflow搭建一个简单的神经网络