神经网络代码实现

1 Tensorflow 安装

没有显卡的机器

pip install tensorflow

对于有显卡的机器

pip install tensorflow-gpu

2 例子: 烤咖啡豆

输入特征：烘焙温度、烘焙时间，判断咖啡豆烤的是否合适，输出是烤好了或者没烤好。

构造如下的神经网络：

2.1 构造神经网络(伪代码)

给定输入特征 x 和 标签 y：

x = np.array([[200.0, 17.0],
              [120.0, 5.0],
              [425.0, 20.0],
              [212.0, 18.0])
y = np.array([1,0,0,1])

使用Dense函数定义神经网络中的层。

定义隐藏层：

layer_1 = Dense(units=3, activation='sigmoid')  
a1 = layer_1(x)                                 

定义输出层：

layer_2 = Dense(units=1, activation='sigmoid')  
a2 = layer_2(a1)                               

使用Sequential方法可以将神经网络的层串联起来：

model = Sequential([layer1, layer2])

编译神经网络：

model.compile(...)

训练数据集：

model.fit(x,y)

结果判断：

if a2 >= 0.5:
    yhat = 1
else:
    yhat = 0

3 Tensorflow 函数

3.1 compile

在 compile 函数中可以指定代价函数 loss，如二元交叉熵损失函数：BinaryCrossentropy（逻辑回归中的损失函数相同）、平方差损失函数：MeanSquareError（回归问题）

model.compile(loss=BinaryCrossentropy())

3.2 fit

fit函数中可以指定训练的输入数据、标签、训练次数epochs等参数。

model.fit(X, y, epochs=10)