tensorflow 进阶(二),BP神经网络

这是一个三层的神经网络,只含有一个隐藏层.正确率有98%

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Thu Mar 22 22:15:25 2018@author: luogan
"""from tensorflow.examples.tutorials.mnist import input_datamnist=input_data.read_data_sets('MNIST_data/',one_hot=True)print(mnist.train.images.shape)print(mnist.train.labels.shape)print(mnist.test.images.shape)print(mnist.test.images.shape)a=mnist.train.images[8]
#a.reshape(28,28)
import pandas as pd
#b=pd.DataFrame(a)
#b
b=pd.DataFrame(a.reshape(28,28))
#b
#b=pd.DataFrame(a.reshape(28,28))
b.to_excel('c.xls')
d=mnist.train.labels[8]print(mnist.validation.images.shape)
print(mnist.validation.labels.shape)import tensorflow as tf
sess=tf.InteractiveSession()in_units=784
h1_units=300w1=tf.Variable(  tf.truncated_normal([in_units,h1_units],stddev=0.1 ) )
b1=tf.Variable(tf.zeros([h1_units]))w2=tf.Variable(tf.zeros([h1_units,10]))
b2=tf.Variable(tf.zeros([10]))x=tf.placeholder(tf.float32,[None,in_units])
keep_prob=tf.placeholder(tf.float32)hidden1=tf.nn.relu(tf.matmul(x,w1)+b1)
hidden1_drop=tf.nn.dropout(hidden1,keep_prob)y=tf.nn.softmax(tf.matmul(hidden1_drop,w2)+b2)y_=tf.placeholder(tf.float32,[None,10])
cross_entropy=tf.reduce_mean(-tf.reduce_sum(y_*tf.log(y),reduction_indices=[1]))train_step=tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)tf.global_variables_initializer().run()for i in range(1000):batch_xs,batch_ys=mnist.train.next_batch(100)train_step.run({x:batch_xs,y_:batch_ys,keep_prob:0.75})correct_prediction=tf.equal(tf.argmax(y,1),tf.argmax(y_,1))accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32))print(accuracy.eval({x:mnist.test.images,y_:mnist.test.labels,keep_prob:1}))

(55000, 784)
(55000, 10)
(10000, 784)
(10000, 784)
(5000, 784)
(5000, 10)
0.9823

tensorflow 进阶(二),BP神经网络相关推荐

tensorflow 进阶(三),BP神经网络之两层hidden_layer
本文与上一篇文章有一点不同,就是中间的隐藏层由一层变成两层,在神经网络搭建的过程中,曾出现一点问题,就是正确率图突然变成0.11,通过调整隐藏节点的数量和W2的初值,正确率达到0.97,不如只有一层神 ...
基于Tensorflow框架的BP神经网络分类小案例--蚊子分类
(案例):利用bp神经网络预测蚊子种类,第三列目标值为0.9的属于不咬人的A类,目标值为0.1的属于咬人的B类,特征集第一列是翼长,第二列是触角长如下有20个样本数据: data=[[1.78,1. ...
matlab神经网络(二)-bp神经网络,MATLAB神经网络（2） BP神经网络的非线性系统建模——非线性函数拟合...
2.1 案例背景在工程应用中经常会遇到一些复杂的非线性系统,这些系统状态方程复杂,难以用数学方法准确建模.在这种情况下,可以建立BP神经网络表达这些非线性系统.该方法把未知系统看成是一个黑箱,首先用 ...
基于Tensorflow框架的BP神经网络回归小案例--预测跳高
(案例):我们将14组国内男子跳高运动员各项素质指标作为输入,即(30m行进跑,立定三级跳远,助跑摸高,助跑4-6步跳高,负重深蹲杠铃,杠铃半蹲系数,100m,抓举),将对应的跳高成绩作为输出,通过对 ...
8.3 TensorFlow BP神经网络构建与超参数的选取
前言之前的8.1 构建回归模型的重点在于计算图概念,8.2则介绍一些在整个流程中更靠后的部分:损失函数,优化函数,以及一些其他常用的函数.而本片中的重点在于构建计算图,与模型的训练与测试BP 代码与 ...
【机器学习】基于AutoEncoder的BP神经网络的tensorflow实现
[机器学习]基于AutoEncoder的BP神经网络的tensorflow实现一.基于AutoEncoder的BP神经网络 1.1.BP神经网络 1.1.1.BP神经网络结构 1.1.2.BP神经网 ...
Tensorflow：BP神经网络权值初始化
一.Tensorflow入门 1.计算图: 每一个计算都是计算图上的一个结点,而节点之间的边描述了计算之间的依赖关系. 支持通过tf.Graph生成新的计算图,不同计算图上的张量和运算不会共享. Te ...
Tensorflow BP神经网络多输出模型在生产管理中应用实践
本文以某企业组织建设为研究对象,采用大数据神经网络算法中的BP算法, 基于该算法建立了企业组织建设评价模型,最后基于Tensorflow的神经网络开发包实现模型并训练.根据评价结果可评价企业组织建设状 ...
BP神经网络进阶-MINIST分类
BP神经网络进阶前言在BP神经网络原理探索一文中,只是介绍了简单的回归,并给出简单的回归代码.这次要涉及到BP神经网络的分类问题,以在博客园中上蹿下跳异常活泼的MINIST数据集分类为练手~ MI ...

tensorflow 进阶(二),BP神经网络

tensorflow 进阶(二),BP神经网络相关推荐

最新文章

热门文章