tensorflow：添加隐藏层搭建神经网络

最新推荐文章于 2022-05-05 14:20:25 发布

qq_25987491

最新推荐文章于 2022-05-05 14:20:25 发布

阅读量2.5k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： python

本文链接：https://blog.youkuaiyun.com/qq_25987491/article/details/80472930

本文演示了如何使用TensorFlow构建一个包含隐藏层的神经网络模型，通过添加一个ReLU激活函数的隐藏层和一个输出层，并利用梯度下降优化器进行训练。在训练过程中，损失函数随着迭代次数减少，实现对输入数据平方加噪声后的拟合。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# coding:UTF-8
import os
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  # 忽略不必要的警告


# 添加隐藏层
def add_layer(inputs, in_size, out_size, activation_function=None):
    loc_w = tf.Variable(tf.random_normal([in_size, out_size]))
    loc_b = tf.Variable(tf.zeros([1, out_size]) + 0.1)  # 官方推荐biases初始值不为0
    loc_y = tf.matmul(inputs, loc_w) + loc_b
    if activation_function is None:
        loc_outputs = loc_y
    else:
        loc_outputs = activation_function(loc_y)
    return loc_outputs


# 输入数据
x_data = np.linspace(-1, 1, 250)[:, np.newaxis]
noise = np.random.normal(0, 0.05, x_data.shape)
y_data = np.square(x_data) + noise

# 数据可视化，输出原始数据
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)  # 参数为输出图框的编号
ax.scatter(x_data, y_data)
plt.ion()
plt.show()

# 创建结构 start
xs = tf.placeholder(tf.float32, [None, 1])
ys = tf.placeholder(tf.float32, [None, 1])

l_1 = add_layer(xs, 1, 10, activatio