Tensorflow開発の基本的な手順を理解する
1.Tensorflow入力ノードを定義します
入力ノードを定義する方法
- プレースホルダーによって定義されます(一般的に)
- 辞書タイプによって定義されます(より多くの入力の場合に使用されます)
- 直接定義(めったに使用されない)
1.プレースホルダーで定義します(一般的に)
たとえば、y = 2xの近似フィッティングでは、プレースホルダーを使用して入力ノードを定義します
X = tf.placeholder("float")
Y = tf.placeholder("float")
2.辞書タイプによって定義されます(より多くの入力の場合に使用されます)
最初のものと同様
# 占位符
inputdict = {
'x': tf.placeholder("float"),
'y': tf.placeholder("float")
}
3.直接定義(めったに使用されません)
定義されたPython変数をOPノードに直接配置して入力操作に参加し、シミュレートされたデータ変数をモデルに直接配置してトレーニングします。
#生成模拟数据
train_X =np.float32( np.linspace(-1, 1, 100))
train_Y = 2 * train_X + np.random.randn(*train_X.shape) * 0.3 # y=2x,但是加入了噪声
#图形显示
plt.plot(train_X, train_Y, 'ro', label='Original data')
plt.legend()
plt.show()
# 模型参数
W = tf.Variable(tf.random_normal([1]), name="weight")
b = tf.Variable(tf.zeros([1]), name="bias")
# 前向结构
z = tf.multiply(W, train_X)+ b
2.「学習パラメータ」変数を定義します
直接定義
W = tf.Variable(tf.random_normal([1]), name = "weigth")
b = tf.Variable(tf.zeros([1]), name = "bias")
辞書の定義
# 模型参数
paradict = {
'w' = tf.Variable(tf.random_normal([1]), name = "weigth"),
'b' = tf.Variable(tf.zeros([1]), name = "bias")
}
# 向前结构
z = tf.multipply(X, paradict['w']) + paradict['b']
3.「操作」を定義します
順伝播モデル
- 単層ニューラルネットワーク
- 多層ニューラルネットワーク
- 畳み込みニューラルネットワーク
- リカレントニューラルネットワーク
- GoogLeNet
- Resnet
損失関数を定義する
主に「出力値」と「目標値」の間の誤差を計算するために使用され、バックプロパゲーションで使用されます
(学習可能である必要があります)
Tensorflowフレームワークの準備ができました
4.機能を最適化し、目標を最適化します
5.すべての変数を初期化します
# 初始化变量
init = tf.global_variables_initializer()
# 这步必须在所有变量和OP定义完成之后,这样才能保证定义内容的有效性,否则无法使用session中的run来进行算值
# 启动session
with tf.Session() as sess:
sess.run(init)
6.パラメータを最適解に繰り返し更新します
反復トレーニングプロセスでは、完了するセッションを確立する必要があります。一般的な使用法は、with構文を使用することです。これは、セッションの終了後に閉じることができます。
with tf Session() as sess:
sess.run(init)
for epoch in range(training_epochs):
for (x, y) in zip(train_X, train_Y):
sess.run(optimizer, feed_dict={
X: x, Y: y})
反復トレーニングにMINIBATCHの概念を使用します(トレーニングのために一定量のデータが取得され、ネットワークに配置されるたびに)
7.モデルをテストします
print ("cost=", sess.run(cost, feed_dict={
X: train_X, Y: train_Y}), "W=", sess.run(W), "b=", sess.run(b))
# print ("cost:",cost.eval({X: train_X, Y: train_Y}))
8.モデルを使用します
print ("x=0.2,z=", sess.run(z, feed_dict={
X: 0.2}))