普通的神经网络

alltolove

        最近在机器学习里最流行的是深度学习，它的编程语言框架有很多，如图：

        我们这里只用在深度学习里现在最流行的框架，谷歌的tensorflow。tensorflow是一种计算图式的编程框架，和c++很像，要提前声明变量类型，而且还有命名空间。所以比较难于掌握，而且一旦写好代码后很难调参。今天先了解下普通的神经网络，代码如下：

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

data_x=np.random.rand(100).astype(np.float32)
data_y=data_x*2+3

weights=tf.Variable(tf.random_uniform([1],-1.0,1.0))

bais=tf.Variable(tf.zeros([1]))

y=data_x*weights+bais

loss=tf.reduce_mean(tf.square(data_y-y))
optimizer=tf.train.GradientDescentOptimizer(0.5)
train=optimizer.minimize(loss)
init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    for step in range(100):
        sess.run(train)
        if step%20==0:
            print(sess.run(weights),sess.run(bais))
    %matplotlib inline
    plt.plot(range(100),sess.run(y))
    plt.scatter(range(100),data_y,c='r')
    plt.show()

        这里的data_x,和data_y就是输入和输出，weights是权重参数，bais是偏置参数，下面就要用这两个参数来拟合数据，通过data_x乘上权重参数然后加上偏置参数得出一个值，使这个值不断的接近真实值data_y，loss=tf.reduce_mean(tf.square(data_y-y))这句话就是来计算真实值和预测值之间的误差。train=optimizer.minimize(loss)这句是不断的缩小他们之间的误差。tensorflow会自动调整weights和bais这两个变量，让接近于data_y=data_x*2+3这里的2和3。所以最后我们就会预测出结果了，如图：

        普通的神经网络现在已经没有人用了，我们以后主要学习的是卷积神经网络。