tensorflow-reverse(反向传播)
1、tensorflow的反向传播
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 体积和重量是输入数据集
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 如果不小于1给Y赋值0
#作为输入数据集合的标签
Y = [[int(x0 + x1 <1)]for(x0,x1) in X]
print("\n",X)
print("\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定义损失函数级反向传播
loss = tf.reduce_mean(tf.square(y-y_))
train_step=tf.train.GradientDescentOptimizer(0.001).minimize(loss) #梯度下降,学习率是0.001
#train_step=tf.train.MomentumOptimizer(0.001).minimize(loss)
#train_step=tf.train.AdadeltaOptimizer(0.001).minimize(loss)with tf.Session() as sess:init_op=tf.global_variables_initializer()sess.run(init_op)#输出未经训练的参数#print("\n",sess.run(w1))#print("\n",sess.run(w2))#训练模型STEPS = 3000for i in range(STEPS):start = (i*BATCH_SIZE) %32end = start + BATCH_SIZEsess.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})#3000轮后打印训练后的参数值print("\n")print("w1:",sess.run(w1))print("w2",sess.run(w2))
tensorflow-reverse(反向传播)相关推荐
- 【TensorFlow】通过两个简单的例子实现反向传播
回归算法示例 # python 3.6 # TensorFlow实现反向传播 import tensorflow as tf import numpy as npsess = tf.Session() ...
- 梯度下降与反向传播算法的原理与推导
梯度下降算法是机器学习中最常用的优化算法之一,它可以求得目标函数的最小值,即算法的最优解.而对于复杂的多层神经网络来说,运用梯度下降算法十分复杂,因为其包含求导过程,为此学者将多层神经网络的优化问题简 ...
- TensorFlow反向传播算法实现
TensorFlow反向传播算法实现 反向传播(BPN)算法是神经网络中研究最多.使用最多的算法之一,用于将输出层中的误差传播到隐藏层的神经元,然后用于更新权重. 学习 BPN 算法可以分成以下两个过 ...
- TensorFlow基础10-(误差反向传播算法以及实现多层神经网络)
记录TensorFlow听课笔记 文章目录 记录TensorFlow听课笔记 一,误差反向传播算法 二,链式求导法则 三,隐含层有多个神经元的误差反向传播 四,激活函数 五,实现多层神经网络 一,误差 ...
- TensorFlow神经网络(二)反向传播
############### warm up! ############## # 均方误差MSE的计算函数: loss = tf.reduce_mean(tf.square(y_ - y))# 反向 ...
- TensorFlow精进之路(十二):随时间反向传播BPTT
1.概述 上一节介绍了TensorFlow精进之路(十一):反向传播BP,这一节就简单介绍一下BPTT. 2.网络结构 RNN正向传播可以用上图表示,这里忽略偏置. 上图中, x(1:T)表示输入序列 ...
- 《TensorFlow 2.0深度学习算法实战教材》学习笔记(六、反向传播算法)
反向传播算法和梯度下降算法是神经网络的核心算法. 导数与梯度 导数本身是标量,没有方向,但是导数表征了函数值在某个方向Δ
- TensorFlow精进之路(十一):反向传播BP
1.概述 全连接神经网络和卷积神经网络用的是反向传播(BackPropagation,BP),而卷积神经网络用的是随时间反向传播(BackPropagation Through Time,BPTT), ...
- TensorFlow 2.0深度学习算法实战 第七章 反向传播算法
第七章 反向传播算法 7.1 导数与梯度 7.2 导数常见性质 7.2.1 基本函数的导数 7.2.2 常用导数性质 7.2.3 导数求解实战 7.3 激活函数导数 7.3.1 Sigmoid 函数导 ...
最新文章
- ubuntu 杀死进程命令
- 全国“最高”的视觉竞赛,华为Atlas打通遥感图像智能分析任督二脉
- NOIP 2017 总结
- boost::intrusive::treap_set用法的测试程序
- ElasticSearch探索之路(五)集群与分片:选举、动态更新、近实时搜索、事务日志、段合并
- WTM系列视频教程:初体验
- 初学者选黑卡还是微单_零基础,一篇读懂单反和微单
- 遍历列表python_Python 遍历List的三种方法
- C语言实现控制台中光标随意移动
- Oracle数据库常用十一大操作指令
- Jquery+asp.net实现Ajax方式文件下载实例代码
- linux中断响应时间太慢_Linux中的进程调度有哪些核心概念?
- 树、森林、二叉树的转换
- 扩展JavaScript数组(Array)添加删除元素方法
- NOIP 2015 推销员
- 一文搞懂PV、UV、VV、IP及其关系与计算
- 39. 组合总和(Python)
- 解决Flutter Android sdkmanager tool not found
- MessageBox 按钮显示英文或其他语言
- Friedman 检验--Matlab
热门文章
- 织梦个人空间中调用ip,会员类型,邮箱,金币,会员积分
- python初学 数据分叉情况下的函数递归
- FunDA(9)- Stream Source:reactive data streams
- Android(java)学习笔记114:Service生命周期
- 多表关联更新,UPDATE FROM用法
- XML Drawable
- crt安装mysql安装包_Linux安装MySQL步骤
- maven 打包数据库加密_SpringBoot项目application.yml文件数据库配置密码加密的方法...
- bootstraptable不显示数据_单片机显示原理
- 经典水墨素材点缀中国风海报|简约国际范