學習目標：通過例子，搭建神經網絡的八股

一、流程

1. 導入模塊,生成模擬數據集;
　　import
　　常量定義
　　生成數據集
2. 前向傳播: 定義輸入、參數和輸出（搭建模型）
　　x 　 　 y_
　　w1 　　w2
　　a 　　 y
3. 反向傳播:定義損失函數、反向傳播方法(用於訓練模型參數)
　　loss=
　　train_step=
4. 生成會話,訓練 STEPS 輪

二、例程

例：隨機產生 32 組生產出的零件的體積和重量,訓練 3000 輪,每 500 輪輸出一次損失函數。

源碼：

 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（矩陣）
12 
13 Y=[[int(x0+x1<1)]for (x0,x1) in X] #對於X中的每一個(x0,x1)，判斷x0+x1<1成立，Y為1，否則為0，Y為32行2列的2唯張量
14 print "X:\n",X
15 print "Y:\n",Y
16 
17 #--2--相當於提前定義，聲明變量， 前向傳播，搭建計算模型
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--反向傳播 定義損失函數和優化方法
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#叠代執行3000次，訓練
39     for i in range(STEPS):
40         start=(i*BATCH_SIZE)%32 #每一次取8組餵給NN，進行優化訓練
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}) #打印損失函數的結果
45     
46     #-----print------
47     print "\n"
48     print "w1:\n",sees.run(w1)
49     print "w2:\n",sees.run(w2)

結果：

1）# source activate tensorflow 進入tensorflow環境

2）執行# python NN_1.py

搭建神經網絡構建八股