一个简单的神经网络例子

最新推荐文章于 2024-02-03 23:11:45 发布

原创

最新推荐文章于 2024-02-03 23:11:45 发布 · 2.5k 阅读

5 ·

CC 4.0 BY-SA版权

这篇博客通过一个简单的神经网络例子，介绍其搭建过程和可视化方法，包括两个关键步骤，帮助读者深入理解神经网络的工作原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

神经系统的搭建



import tensorflow as tf
import numpy as np
import matplotlib,pylab as plt

def add_layer(input,in_size,out_size,activation_function = None):
    Weights = tf.Variable(tf.random_normal([in_size,out_size]))
    biases = tf.Variable(tf.zeros([1,out_size])+0.1)
    Wx_plus_b = tf.matmul(input,Weights)+biases
    if activation_function is None:
        outputs = Wx_plus_b
    else:
        outputs = activation_function(Wx_plus_b)
    return outputs

#输入层到神经层
x_data = np.linspace(-1,1,300)[:,np.newaxis]   #产生等差数列
noise = np.random.normal(0,0.05,x_data.shape)
y_data = np.square(x_data)-0.5+noise               #对x_data进行平方
xs = tf.placeholder(tf.float32,[None,1])
ys = tf.placeholder(tf.float32,[None,1])

#神经层到输出层
l1 = add_layer(xs,1,10,activation_function=tf.nn.relu)
prediction = add_layer(l1,10,1,activation_function=None)

loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))   #将每个y_data-prediction值取平方，然后求和后去平均值

tr