Tensorflow 建立神經網路（二）視覺化

將訓練過程視覺化出來

import

tensorflow as tf 
import
numpy as np 
import
matplotlib.pyplot as plt 
#去掉警告
import
warnings
warnings.filterwarnings(
"ignore
",".*gui is implemented.*")
import
osos.environ[
'tf_cpp_min_log_level
'] = '2'
def add_layer(inputs, in_size, out_size, activation_function =none):
weights =tf.variable(tf.random_normal([in_size, out_size]))
biases = tf.variable(tf.zeros([1, out_size]) + 0.1) #
保證 biases 不為 0
wx_plus_b = tf.matmul(inputs, weights) +biases
if activation_function ==none:
outputs =wx_plus_b
else
: outputs =activation_function(wx_plus_b)
return
outputs
x_data = np.linspace(-1, 1, 300) #
(300,)
x_data = x_data.reshape(300,1) #
(300, 1)
noise = np.random.normal(0, 0.05, x_data.shape)
y_data = np.square(x_data) - 0.5 +noise
#為 batch 做準備
xs = tf.placeholder(tf.float32, [none, 1])
ys = tf.placeholder(tf.float32, [none, 1])
l1 = add_layer(xs, 1, 10, activation_function =tf.nn.relu)
prediction = add_layer(l1, 10, 1, activation_function =none)
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction), 1))
train_step = tf.train.gradientdescentoptimizer(0.1).minimize(loss)
init =tf.global_variables_initializer()#畫圖
fig =plt.figure()
ax = fig.add_subplot(1,1,1)
ax.scatter(x_data, y_data)
plt.ion()
with tf.session() as sess:
sess.run(init)
for step in range(1000):
sess.run(train_step, feed_dict =)
if step % 20 ==0:
#print('loss = ', sess.run(loss, feed_dict = )) 
#try:
#ax.lines.remove(lines[0])
#except exception:
#pass
prediction_value = sess.run(prediction, feed_dict =)
#print(prediction_value)
lines = ax.plot(x_data, prediction_value,'
b-', lw = 3)
plt.pause(0.1)
ax.lines.remove(lines[0])
step += 1plt.show()

1、顯示不出藍線

2、不能動態顯示

解決辦法：

1、在spyder中，將tools----preferences----ipython console----graphics----backend----改成automatic，最後需要再對spyder軟體進行重新啟動，沒有重啟則不能實現設定效果。這樣就可以顯示出單獨的視窗，並可以實現動態的figure顯示，

2、step += 1，我剛開始執行的時候沒有加這句，就會導致結果被剔除，就沒有紅線

可以看出最後會越接近給出的資料

Tensorflow建立迴圈神經網路

雖然已經接觸deep learning很長一段時間了，也看了很久rnn相關的 但是突然想用tensorflow實現一些功能的時候，突然發現絲毫沒有頭緒，找了一些資料，學習了一波，記錄一下。tensorflow由於不同的版本改動較大，在1.0版本之後，可以使用如下語句來建立乙個cell from te...

tensorflow實戰 實現簡單的神經網路

from tensorflow.examples.tutorials.mnist import input data import tensorflow as tf mnist input data.read data sets mnist data one hot true sess tf.int...

TensorFlow入門02 簡單的神經網路

在本文中會先介紹一些概念，然後給出乙個簡單的完整神經網路樣例程式。首先啟用函式可以解決線性不可分問題。讀者可以訪問通過網頁瀏覽器就可以訓練簡單神經網路並實現視覺化過程。截圖如下所示 神經網路模型的效果以及優化的目標是通過損失函式 loss function 來定義的。分類問題 如手寫數字識別 如何判...