tensorflow构建BP神经网络的方法

tensorflow构建构建BP神经网络的方法神经网络的方法

主要为大家详细介绍了tensorflow构建BP神经网络的方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一

下

之前的一篇博客专门介绍了神经网络的搭建，是在python环境下基于numpy搭建的，之前的numpy版两层神经网络，不能支持

增加神经网络的层数。最近看了一个介绍tensorflow的视频，介绍了关于tensorflow的构建神经网络的方法，特此记录。

tensorflow的构建封装的更加完善，可以任意加入中间层，只要注意好维度即可，不过numpy版的神经网络代码经过适当地改

动也可以做到这一点，这里最重要的思想就是层的模型的分离。

import tensorflow as tf

if activity_function is None:

ans = weights_plus_b

else:

ans = activity_function(weights_plus_b)

return ans

x_data = np.linspace(-1,1,300)[:,np.newaxis] # 转为列向量

noise = np.random.normal(0,0.05,x_data.shape)

y_data = np.square(x_data)+0.5+noise

l2 = addLayer(l1,10,1,activity_function=None)

loss = tf.reduce_mean(tf.reduce_sum(tf.square((ys-l2)),reduction_indices = [1]))#需要向相加索引号，redeuc执行跨纬度操作

train = tf.train.GradientDescentOptimizer(0.1).minimize(loss) # 选择梯度下降法

init = tf.initialize_all_variables()

sess = tf.Session()

sess.run(init)

for i in range(10000):