搭建神经网络构建八股

1 #coding :utf-8
2
3 #--1--
4 import tensorflow as tf
5 import numpy as np
6
7 BATCH_SIZE=8 
8 seed=23455
9
10 rng=np.random.RandomState(seed)
11 X=rng.rand(32,2) #生成32行2列的列表（矩阵）
12
13 Y=[[int(x0+x1<1)]for (x0,x1) in X] #对于X中的每一个(x0,x1)，判断x0+x1<1成立，Y为1，否则为0，Y为32行2列的2唯张量
14 print "X:\n",X
15 print "Y:\n",Y
16
17 #--2--相当于提前定义，声明变量， 前向传播，搭建计算模型
18 x=tf.placeholder(tf.float32,shape=(None,2))
19 y_=tf.placeholder(tf.float32,shape=(None,1))
20
21 w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))
22 w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1))
23
24 a=tf.matmul(x,w1)
25 y=tf.matmul(a,w2)
26
27 #--3--反向传播 定义损失函数和优化方法
28 loss=tf.reduce_mean(tf.square(y-y_))
29 train_step=tf.train.GradientDescentOptimizer(0.001).minimize(loss)
30
31 #--4--
32 with tf.Session() as sees:
33 init_op=tf.initialize_all_variables()
34 sees.run(init_op)
35 print "w1\n",sees.run(w1)#打印初始的w1和w2
36 print "w2\n",sees.run(w2)
37
38 STEPS=3000#迭代执行3000次，训练
39 for i in range(STEPS):
40 start=(i*BATCH_SIZE)%32 #每一次取8组喂给NN，进行优化训练
41 end=start+BATCH_SIZE
42 sees.run(train_step,feed_dict={x:X[start:end],y_:Y[start:end]})
43 if i%500==0:
44 total_loss=sees.run(loss,feed_dict={x:X,y_:Y}) #打印损失函数的结果
45
46 #-----print------
47 print "\n"
48 print "w1:\n",sees.run(w1)
49 print "w2:\n",sees.run(w2)