Tensorflow细节-P62-完整的神经网络样例程序

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Tensorflow细节-P62-完整的神经网络样例程序，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1872字，纯文字阅读大概需要3分钟。

内容图文

这样是比较好的一个summary命名
（1）'networks'、'layer_%d' % n_layer、'weights'三个命名空间相互叠加
（2）

 if i % 50 == 0:
            result = sess.run(merged, feed_dict={xs: x_data, ys: y_data})
            writer.add_summary(result, i)

逐步写入的程序如上面所示
（3）最后的tensorboard图还是比较完美的

import numpy as np
import tensorflow as tf


def add_layer(inputs, in_size, out_size, n_layer, activation_function=None):
    layer_name = 'layer_%d' % n_layer
    with tf.name_scope(layer_name):
        Weights = tf.Variable(tf.random_normal([in_size, out_size]), name='W')
        tf.summary.histogram('weights', Weights)
        biases = tf.Variable(tf.zeros([1, out_size]) + 0.1, name='B')
        tf.summary.histogram('biases', biases)
        Wx_plus_b = tf.matmul(inputs, Weights) + biases
    if activation_function is None:
        outputs = Wx_plus_b
    else:
        outputs = activation_function(Wx_plus_b)
    return outputs


x_data = np.linspace(-1, 1, 300)[:, np.newaxis]
noise = np.random.normal(0, 0.05, x_data.shape)
y_data = np.square(x_data) - 0.5 + noise


with tf.name_scope('inputs'):
    xs = tf.placeholder(tf.float32, [None, 1], name='x_input')
    ys = tf.placeholder(tf.float32, [None, 1], name='y_input')
with tf.name_scope('networks'):
    l1 = add_layer(xs, 1, 10, 1, activation_function=tf.nn.relu)
    prediction = add_layer(l1, 10, 1, 2, activation_function=None)
with tf.name_scope('losses'):
    loss = tf.reduce_mean(tf.square(ys - prediction))
    tf.summary.scalar('Loss', loss)
# train框，其中包含梯度下降步骤和权重更新步骤
with tf.name_scope('train'):
    train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)

init = tf.global_variables_initializer()

merged = tf.summary.merge_all()

with tf.Session() as sess:
    writer = tf.summary.FileWriter('path/', tf.get_default_graph())
    sess.run(init)
    for i in range(10001):
        sess.run(train_step, feed_dict={xs: x_data, ys: y_data})
        if i % 50 == 0:
            result = sess.run(merged, feed_dict={xs: x_data, ys: y_data})
            writer.add_summary(result, i)
writer.close()

内容总结

以上是互联网集市为您收集整理的Tensorflow细节-P62-完整的神经网络样例程序全部内容，希望文章能够帮你解决Tensorflow细节-P62-完整的神经网络样例程序所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---