19、《TensorFlow 非线性分类与 CIFAR10 图像识别》

《TensorFlow 非线性分类与 CIFAR10 图像识别》

1. 非线性分类：模拟异或门的人工神经网络

我们将构建一个人工神经网络（ANN）来模拟具有两个输入的异或门操作。异或门问题的真值表如下：
| A | B | 输出 |
|----|----|----|
| 1 | 1 | 0 |
| 0 | 1 | 1 |
| 0 | 0 | 0 |
| 1 | 0 | 1 |

通过绘制图形可以明显看出，这些类别是非线性可分的，因此我们需要使用隐藏层。根据相关示例，一个具有两个神经元的单隐藏层就足够了。网络架构如下：隐藏层接收输入层的输入，根据其权重和偏置，两个激活函数将产生两个输出。隐藏层的输出将作为输出层的输入，输出层使用其激活函数产生输入样本的最终预期类别。

以下是模拟具有两个输入的异或门的 ANN 的完整代码：

import tensorflow
# Preparing a placeholder for the training data inputs of shape (N, 3)
training_inputs = tensorflow.placeholder(shape=[4, 2], dtype=tensorflow.float32, name="Inputs")
# Preparing a placeholder for the training data outputs of shape (N, 1)
training_outputs = tensorflow.placeholder(shape=[4, 1], dtyp