这篇文章主要为大家详细介绍了tensorflow构建BP神经网络的方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
之前的一篇博客专门介绍了神经网络的搭建，是在python环境下基于numpy搭建的，之前的numpy版两层神经网络，不能支持增加神经网络的层数。最近看了一个介绍tensorflow的视频，介绍了关于tensorflow的构建神经网络的方法，特此记录。
tensorflow的构建封装的更加完善，可以任意加入中间层，只要注意好维度即可，不过numpy版的神经网络代码经过适当地改动也可以做到这一点，这里最重要的思想就是层的模型的分离。
import tensorflow as tf import numpy as np def addLayer(inputData,inSize,outSize,activity_function = None): Weights = tf.Variable(tf.random_normal([inSize,outSize])) basis = tf.Variable(tf.zeros([1,outSize])+0.1) weights_plus_b = tf.matmul(inputData,Weights)+basis if activity_function is None: ans = weights_plus_b else: ans = activity_function(weights_plus_b) return ans x_data = np.linspace(-1,1,300)[:,np.newaxis] # 转为列向量 noise = np.random.normal(0,0.05,x_data.shape) y_data = np.square(x_data)+0.5+noise xs = tf.placeholder(tf.float32,[None,1]) # 样本数未知，特征数为1，占位符最后要以字典形式在运行中填入 ys = tf.placeholder(tf.float32,[None,1]) l1 = addLayer(xs,1,10,activity_function=tf.nn.relu) # rel<b style="color:transparent">来源gao@!dai!ma.com搞$$代^@码网</b>u是激励函数的一种 l2 = addLayer(l1,10,1,activity_function=None) loss = tf.reduce_mean(tf.reduce_sum(tf.square((ys-l2)),reduction_indices = [1]))#需要向相加索引号，redeuc执行跨纬度操作 train = tf.train.GradientDescentOptimizer(0.1).minimize(loss) # 选择梯度下降法 init = tf.initialize_all_variables() sess = tf.Session() sess.run(init) for i in range(10000): sess.run(train,feed_dict={xs:x_data,ys:y_data}) if i%50 == 0: print sess.run(loss,feed_dict={xs:x_data,ys:y_data})
以上就是tensorflow构建BP神经网络的方法的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：tensorflow构建BP神经网络的方法
转载请注明原文链接：tensorflow构建BP神经网络的方法
