用tensorflow實現神經網路常見層,**如下:
import tensorflow as tf
import numpy as np
sess=tf.session()
#初始化資料
data_size=25
data_1d=np.random.normal(size=data_size)
x_input_1d=tf.placeholder(dtype=tf.float32,shape=[data_size])
#定義乙個卷積層函式
defconv_layer_ld
(input_1d,my_filter):
input_2d=tf.expand_dims(input_1d,0)
input_3d=tf.expand_dims(input_2d,0)
input_4d=tf.expand_dims(input_3d,3)
convolution_output=tf.nn.conv2d(input_4d,filter=my_filter,strides=[1,1,1,1],padding="valid")
return tf.squeeze(convolution_output)
#宣告乙個隨機過濾層,即卷積核
my_filter=tf.variable(tf.random_normal(shape=[1,5,1,1]))
#建立乙個卷積層
my_convolution_output=conv_layer_ld(x_input_1d,my_filter)
#建立乙個激勵函式並初始化
defactivation
(input_1d):
return tf.sigmoid(input_1d)
my_activation_output=activation(my_convolution_output)
#宣告乙個池化層函式
defmax_pool
(input_1d,width):
input_2d=tf.expand_dims(input_1d,0)
input_3d=tf.expand_dims(input_2d,0)
input_4d=tf.expand_dims(input_3d,3)
pool_output=tf.nn.max_pool(input_4d,ksize=[1,1,width,1],strides=[1,1,1,1],padding='valid')
return tf.squeeze(pool_output)
#建立乙個池化層
my_maxpool_output=max_pool(my_activation_output,width=5)
#宣告乙個全聯接層函式
deffully_connected
(input_layer,num_outputs):
weight_shape=tf.squeeze(tf.stack([tf.shape(input_layer),[num_outputs]]))
weight=tf.random_normal(weight_shape,stddev=0.1)
bias=tf.random_normal(shape=[num_outputs])
input_layer_2d=tf.expand_dims(input_layer,0)
full_output=tf.add(tf.matmul(input_layer_2d,weight),bias)
return tf.squeeze(full_output)
#建立乙個全連線層
my_full_output=fully_connected(my_maxpool_output,5)
#初始化變數
sess.run(tf.global_variables_initializer())
#輸出最終結果
print(sess.run(my_full_output,feed_dict=))
機器學習 TensorFlow安裝
環境準備 centos 7 python 2.7 root master uname a linux master 3.10.0 229.el7.x86 64 1 smp fri mar 6 11 36 42 utc 2015 x86 64 x86 64 x86 64 gnu linux root ...
機器學習筆記 TensorFlow
構建乙個簡單的 tensorflow 程式,使用該程式繪製乙個預設圖並建立乙個執行該圖的會話 tensorflow 的名稱源自張量,張量是任意維度的陣列。借助 tensorflow,您可以操控具有大量維度的張量。即便如此,在大多數情況下,您會使用以下乙個或多個低維張量 tensorflow指令會建立...
機器學習 TensorFlow初學
dot 陣列的點積 dot producta np.arange 0,9 out 45 array 0,1,2,3,4,5,6,7,8 b a 1 out 47 array 8,7,6,5,4,3,2,1,0 np.dot a,b out 48 84隨機數生成 這幾個都是用於生成隨機數tensor的...