這幾天開始學tensorflow，先來做一下學習記錄

創新互聯建站長期為1000多家客戶提供的網站建設服務，團隊從業經驗10年，關注不同地域、不同群體，并針對不同對象提供差異化的產品和服務；打造開放共贏平臺，與合作伙伴共同營造健康的互聯網生態環境。為大觀企業提供專業的成都做網站、網站制作，大觀網站改版等技術服務。擁有10年豐富建站經驗和眾多成功案例,為您定制開發。

一.神經網絡解決問題步驟：

1.提取問題中實體的特征向量作為神經網絡的輸入。也就是說要對數據集進行特征工程，然后知道每個樣本的特征維度，以此來定義輸入神經元的個數。

2.定義神經網絡的結構，并定義如何從神經網絡的輸入得到輸出。也就是說定義輸入層，隱藏層以及輸出層。

3.通過訓練數據來調整神經網絡中的參數取值，這是訓練神經網絡的過程。一般來說要定義模型的損失函數，以及參數優化的方法，如交叉熵損失函數和梯度下降法調優等。

4.利用訓練好的模型預測未知的數據。也就是評估模型的好壞。

二.訓練簡單的向前傳播神經網絡

一下訓練的神經模型是最簡單的一類，而且是線性的（也就是說沒有用激活函數去線性話），沒有反向傳播的過程，只是簡單的說明神經網絡工作的流程。

import tensorflow as tf

#定義隱藏層參數，每個w變量是一個tensor(可以當成是n*m的數組，n表示上一層結點個數，m表示本層結點個數)表示上一層與本層的連接權重,這里先隨機定義權重
w1=tf.Variable(tf.random_normal([2,3]，stddev=1))
w2=tf.Variable(tf.random_normal([3,1]，stddev=1))

#定義存放輸入數據的地方，也就是x向量,這里shape為前一個傳入訓練的樣本個數，后面出入每個樣本的維度大小
x=tf.placeholder(tf.float32,shape=(None,2),name="input")
#矩陣乘法
a=tf.matmul(x,w1)
y=tf.matmul(a,w2)

with tf.Session() as sess:
  #新版本好像不能用這個函數初始化所有變量了
  init_op=tf.initialize_all_variables()
  sess.run(init_op)
  #feed_dict用于向y中的x傳入參數，這里傳入3個，則y輸出為一個3*1的tensor
  print（sess.run(y,feed_dict={x:[[0.7,0.9],[1.0,1.5],[2.1,2.3]]}))

另外有需要云服務器可以了解下創新互聯scvps.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業上云的綜合解決方案，具有“安全穩定、簡單易用、服務可用性高、性價比高”等特點與優勢，專為企業上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

名稱欄目：tensorflow入門之訓練簡單的神經網絡方法-創新互聯
分享網址：http://vcdvsql.cn/article48/cedihp.html

成都網站建設公司_創新互聯，為您提供企業建站、虛擬主機、用戶體驗、網站導航、網站營銷、標簽優化

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯