31、神经网络构建与TensorFlow应用

神经网络构建与TensorFlow应用

在神经网络的构建与训练中，我们需要完成一系列关键步骤，以实现对数据的有效学习和预测。以下将详细介绍神经网络的训练、结果保存、不同训练轮数的效果对比，以及使用TensorFlow构建神经网络的相关内容。

神经网络训练与结果保存

在完成神经网络的代码编写后，我们需要对其进行训练并保存训练结果，以便后续复用和预测。具体步骤如下：
1. 保存训练结果 ：使用 myNeuralNetwork.saveWeights() 保存训练得到的权重，使用 myNeuralNetwork.predictOutput() 进行输出预测。
2. 运行神经网络代码 ：在命令提示符中输入 python3 2LayerNeuralNetworkCode.py ，程序将开始进行1000轮的训练，每一轮训练的结果会被打印出来，最后显示最终的输入和输出。同时，程序会生成以下重要文件：
- weightsLayer1.txt ：包含输入层到隐藏层连接的最终训练权重（一个4x3的矩阵）。
- weightsLayer2.txt ：包含隐藏层到输出层连接的最终训练权重（一个1x4的矩阵）。
- SumSquaredLossList.csv ：一个逗号分隔的文件，包含每一轮训练的轮数和损失因子，用于绘制所有轮数的训练结果图。

以下是第999轮训练的最终输出示例：