這篇文章主要介紹了tensorflow如何構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

目前成都創(chuàng)新互聯(lián)已為成百上千家的企業(yè)提供了網(wǎng)站建設(shè)、域名、雅安服務(wù)器托管、網(wǎng)站托管、企業(yè)網(wǎng)站設(shè)計、云陽網(wǎng)站維護等服務(wù)，公司將堅持客戶導(dǎo)向、應(yīng)用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長，共同發(fā)展。

tensorflow的構(gòu)建封裝的更加完善，可以任意加入中間層，只要注意好維度即可，不過numpy版的神經(jīng)網(wǎng)絡(luò)代碼經(jīng)過適當(dāng)?shù)馗膭右部梢宰龅竭@一點，這里最重要的思想就是層的模型的分離。

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] # 轉(zhuǎn)為列向量 
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]) # 樣本數(shù)未知，特征數(shù)為1，占位符最后要以字典形式在運行中填入 
ys = tf.placeholder(tf.float32,[None,1]) 
 
l1 = addLayer(xs,1,10,activity_function=tf.nn.relu) # relu是激勵函數(shù)的一種 
l2 = addLayer(l1,10,1,activity_function=None) 
loss = tf.reduce_mean(tf.reduce_sum(tf.square((ys-l2)),reduction_indices = [1]))#需要向相加索引號，redeuc執(zhí)行跨緯度操作 
 
train = tf.train.GradientDescentOptimizer(0.1).minimize(loss) # 選擇梯度下降法 
 
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})

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“tensorflow如何構(gòu)建BP神經(jīng)網(wǎng)絡(luò)”這篇文章對大家有幫助，同時也希望大家多多支持創(chuàng)新互聯(lián)，關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，更多相關(guān)知識等著你來學(xué)習(xí)!

網(wǎng)站名稱：tensorflow如何構(gòu)建BP神經(jīng)網(wǎng)絡(luò)-創(chuàng)新互聯(lián)
網(wǎng)站地址：http://weahome.cn/article/cssceh.html