TensorFlow学习之神经网络的构建

'show_data')# figure("data")指定图表名称

ax = fig.add_subplot(111)

ax.scatter(x_data,y_data)

plt.ion()

plt.show()

xs = tf.placeholder(tf.float32,[None,1]) #外界输入数据

ys = tf.placeholder(tf.float32,[None,1])

l1 = add_layer(xs,1,10,activate=tf.nn.relu)

prediction = add_layer(l1,10,1,activate=None)

loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys - prediction),reduction_indices=[1]))#误差

train_step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)#对误差进行梯度优化，办法为0.1

sess = tf.Session()

sess.run( tf.global_variables_initializer())

for i in range(1000):

sess.run(train_step, feed_dict={xs: x_data, ys: y_data})#练习

if i%50 == 0:

try:

ax.lines.remove(lines[0])

except Exception:

pass

prediction_value = sess.run(prediction, feed_dict={xs: x_data})

lines = ax.plot(x_data,prediction_value,"r",lw = 3)

print(sess.run(loss, feed_dict={xs: x_data, ys: y_data}))#查看误差

plt.pause(2)

while True:

plt.pause(0.01)

4.TensorBoard整体构造化显示

tensorboard --logdir=test

　　推荐阅读

　　教你禁用Windows 10中的各种小广告

比拟之前的Win7/Win8，Win10的告白可谓无孔不入。开端菜单、应用列表、锁屏页面、通知中间……，所有你能想到的处所，几乎都能看到各类告白。全平易近充电节 | 3月26日~30日 2000位IT行业拭>>>详细阅读

地址：http://www.17bianji.com/lsqh/40823.html