代码语言：python

所属分类：人工智能

代码描述：python使用tensorflow进行分类示例代码

代码标签： 进行 分类 示例

下面为部分代码预览，完整代码请点击下载或在bfwstudio webide中打开

#!/usr/local/python3/bin/python3
# -*- coding: utf-8 -*
import tensorflow as tf
import numpy as np
from numpy.random import RandomState
import matplotlib.pyplot as plt
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
if __name__ == "__main__":
  #定义神经网络的参数
  w = tf.Variable(tf.random.normal([2,1],stddev=1,seed=1))
  b = tf.Variable(tf.random.normal([1],stddev=1,seed=1))
  #定义输入和输出
  x = tf.compat.v1.placeholder(tf.float32,shape=(None,2),name="x-input")
  y_ = tf.compat.v1.placeholder(tf.float32,shape=(None,1),name="y-input")
  #定义神经网络的前向传播过程
  y = tf.nn.sigmoid(tf.matmul(x,w) + b)
  #基于min和max对张量t进行截断操作，为了应对梯度爆发或者梯度消失的情况
  cross_entropy = -tf.reduce_mean(y_ * tf.math.log(tf.clip_by_value(y,1e-10,1.0))+(1-y_) * tf.math.log(tf.clip_by_value(1-y,1e-10,1.0)))
  # 使用Adadelta算法作为优化函数，来保证预测值与实际值之间交叉熵最小
  train_step = tf.compat.v1.train.AdamOptimizer(0.01).minimize(cross_entropy)
  #通过随机函数生成一个模拟数据集
  rdm = RandomState(1)
  # 定义数据集的大小
  dataset_size = 100
  # 模拟输入是一个二维数组
  X = rdm.rand(dataset_size,2)
  #定义输出值，将x1+x2 < 1的输入数据定义为正样本
  Y = [[int(x1+x2 < 1)] for (x1,x2) in X]
  #创建会话运行TensorFlow程序
  with tf.compat.v1.Session() as sess:
    #初始化变量 .........完整代码请登录后点击上方下载按钮下载查看

网友评论0

取消

评论提交中...

提交评论