19、TensorFlow教程--- 感知器的隐藏层

最新推荐文章于 2024-05-25 08:09:02 发布

Knowledgebase

最新推荐文章于 2024-05-25 08:09:02 发布

阅读量154

点赞数

CC 4.0 BY-SA版权

分类专栏：如何学习TensorFlow：从入门到实战文章标签： tensorflow cnn rnn 人工智能深度学习

本文链接：https://blog.youkuaiyun.com/Knowledgebase/article/details/133459739

如何学习TensorFlow：从入门到实战专栏收录该内容

32 篇文章 ¥29.90 ¥99.00

订阅专栏

这篇教程聚焦于使用TensorFlow构建具有单隐藏层的网络，以从给定点集学习。通过代码解释，阐述了如何实现这一简单网络，并用图表展示了训练数据和验证数据在函数层近似中的表现。

在本章中，我们将专注于从已知点集（称为 x 和 f(x)）中学习的网络。一个单隐藏层将构建这个简单的网络。

解释感知器隐藏层的代码如下所示 −

#Importing the necessary modules 
import tensorflow as tf 
import numpy as np 
import math, random 
import matplotlib.pyplot as plt 

np.random.seed(1000) 
function_to_learn = lambda x: np.cos(x) + 0.1*np.random.randn(*x.shape) 
layer_1_neurons = 10 
NUM_points = 1000 

#Training the parameters 
batch_size = 100 
NUM_EPOCHS = 1500 

all_x = np.float32(np.random.uniform(-2*math.pi, 2*math.pi, (1, NUM_points))).T 
   np.random.shuffle(all_x) 

train_size = int(900) 
#Training the first 700 points in the given set x_training = all_x[:train_size] 
y_training = function_to_learn(x_training)

#Training the last 300 points in the given set x_validation = all_x[train_size:] 
y

了解本专栏