Ich habe viele Anfänger Bücher von Tensorflow gelesen und diesen Code gemacht. Dies nimmt einfach N Dimension Daten und Ausgabe 1 Dimension.Hinzufügen versteckter Schichten zu ersten einfachen neuronalen Netzwerk
Es funktioniert gut charmant !!
Nun möchte ich versteckte Ebene hinzufügen, aber ich kann es nicht schaffen und einfache Tutorial oder Beispiele zu finden, um zu verstehen, wie versteckte Ebene hinzufügen.
Gibt es gute Praxis oder Ideen? oder "Hinzufügen von versteckten Ebene zu dieser Probe" ist richtig Ansatz, um weiter zu lernen ???
tf.set_random_seed(0)
N = 10
w = tf.Variable(tf.zeros([N,1]))
b = tf.Variable(tf.zeros([1]))
x = tf.placeholder(tf.float32,shape=[None,N])
t = tf.placeholder(tf.float32,shape=[None,1])
y = tf.nn.sigmoid(tf.matmul(x,w) + b)
cross_entropy = - tf.reduce_sum(t * tf.log(y) + (1 -t) * tf.log(1 -y))
train_step = tf.train.GradientDescentOptimizer(0.1).minimize(cross_entropy)
correct_prediction = tf.equal(tf.to_float(tf.greater(y,0.5)),t)
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
for epoch in range(2000):
sess.run(train_step,feed_dict={
x: X,
t: Y
})
classified = correct_prediction.eval(session=sess,feed_dict={
x:X,
t:Y
})
print(classified)
prob = y.eval(session=sess ,feed_dict={
x:X,
t:Y
})
print(prob)
print('w:',sess.run(w))
print('b:',sess.run(b))
Vielen Dank für Ihre klare Erklärung. Ich konnte verstehen. – whitebear