服务器之家

服务器之家 > 正文

利用TensorFlow训练简单的二分类神经网络模型的方法

时间:2021-01-19 09:21     来源/作者:Mars_Alonere

利用tensorflow实现《神经网络与机器学习》一书中4.7模式分类练习

具体问题是将如下图所示双月牙数据集分类。

利用TensorFlow训练简单的二分类神经网络模型的方法

使用到的工具:

python3.5    tensorflow1.2.1   numpy   matplotlib

1.产生双月环数据集

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
def producedata(r,w,d,num):
  r1 = r-w/2
  r2 = r+w/2
  #上半圆
  theta1 = np.random.uniform(0, np.pi ,num)
  x_col1 = np.random.uniform( r1*np.cos(theta1),r2*np.cos(theta1),num)[:, np.newaxis]
  x_row1 = np.random.uniform(r1*np.sin(theta1),r2*np.sin(theta1),num)[:, np.newaxis]
  y_label1 = np.ones(num) #类别标签为1
  #下半圆
  theta2 = np.random.uniform(-np.pi, 0 ,num)
  x_col2 = (np.random.uniform( r1*np.cos(theta2),r2*np.cos(theta2),num) + r)[:, np.newaxis]
  x_row2 = (np.random.uniform(r1 * np.sin(theta2), r2 * np.sin(theta2), num) -d)[:,np.newaxis]
  y_label2 = -np.ones(num) #类别标签为-1,注意:由于采取双曲正切函数作为激活函数,类别标签不能为0
  #合并
  x_col = np.vstack((x_col1, x_col2))
  x_row = np.vstack((x_row1, x_row2))
  x = np.hstack((x_col, x_row))
  y_label = np.hstack((y_label1,y_label2))
  y_label.shape = (num*2 , 1)
  return x,y_label

其中r为月环半径,w为月环宽度,d为上下月环距离(与书中一致)

2.利用tensorflow搭建神经网络模型

2.1 神经网络层添加

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
def add_layer(layername,inputs, in_size, out_size, activation_function=none):
  # add one more layer and return the output of this layer
  with tf.variable_scope(layername,reuse=none):
    weights = tf.get_variable("weights",shape=[in_size, out_size],
                 initializer=tf.truncated_normal_initializer(stddev=0.1))
    biases = tf.get_variable("biases", shape=[1, out_size],
                 initializer=tf.truncated_normal_initializer(stddev=0.1))
   
  wx_plus_b = tf.matmul(inputs, weights) + biases
  if activation_function is none:
    outputs = wx_plus_b
  else:
    outputs = activation_function(wx_plus_b)
  return outputs

2.2 利用tensorflow建立神经网络模型

输入层大小:2

隐藏层大小:20

输出层大小:1

激活函数:双曲正切函数

学习率:0.1(与书中略有不同)

(具体的搭建过程可参考莫烦的视频,链接就不附上了自行搜索吧......)

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
###define placeholder for inputs to network
xs = tf.placeholder(tf.float32, [none, 2])
ys = tf.placeholder(tf.float32, [none, 1])
###添加隐藏层
l1 = add_layer("layer1",xs, 2, 20, activation_function=tf.tanh)
###添加输出层
prediction = add_layer("layer2",l1, 20, 1, activation_function=tf.tanh)
###mse 均方误差
loss = tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction), reduction_indices=[1]))
###优化器选取 学习率设置 此处学习率置为0.1
train_step = tf.train.gradientdescentoptimizer(0.1).minimize(loss)
###tensorflow变量初始化,打开会话
init = tf.global_variables_initializer()#tensorflow更新后初始化所有变量不再用tf.initialize_all_variables()
sess = tf.session()
sess.run(init)

2.3 训练模型

?
1
2
3
###训练2000次
for i in range(2000):
  sess.run(train_step, feed_dict={xs: x_data, ys: y_label})

3.利用训练好的网络模型寻找分类决策边界

3.1 产生二维空间随机点

?
1
2
3
4
5
def produce_random_data(r,w,d,num):
  x1 = np.random.uniform(-r-w/2,2*r+w/2, num)
  x2 = np.random.uniform(-r - w / 2-d, r+w/2, num)
  x = np.vstack((x1, x2))
  return x.transpose()

3.2 用训练好的模型采集决策边界附近的点

向网络输入一个二维空间随机点,计算输出值大于-0.5小于0.5即认为该点落在决策边界附近(双曲正切函数)

?
1
2
3
4
5
6
7
8
9
10
11
def collect_boundary_data(v_xs):
  global prediction
  x = np.empty([1,2])
  x = list()
  for i in range(len(v_xs)):
    x_input = v_xs[i]
    x_input.shape = [1,2]
    y_pre = sess.run(prediction, feed_dict={xs: x_input})
    if abs(y_pre - 0) < 0.5:
      x.append(v_xs[i])
  return np.array(x)

3.3 用numpy工具将采集到的边界附近点拟合成决策边界曲线,用matplotlib.pyplot画图

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
###产生空间随机数据
  x_num = produce_random_data(10, 6, -4, 5000)
  ###边界数据采样
  x_b = collect_boundary_data(x_num)
  ###画出数据
  fig = plt.figure()
  ax = fig.add_subplot(1, 1, 1)
  ###设置坐标轴名称
  plt.xlabel('x1')
  plt.ylabel('x2')
  ax.scatter(x_data[:, 0], x_data[:, 1], marker='x')
  ###用采样的边界数据拟合边界曲线 7次曲线最佳
  z1 = np.polyfit(x_b[:, 0], x_b[:, 1], 7)
  p1 = np.poly1d(z1)
  x = x_b[:, 0]
  x.sort()
  yvals = p1(x)
  plt.plot(x, yvals, 'r', label='boundray line')
  plt.legend(loc=4)
  #plt.ion()
  plt.show()

4.效果

利用TensorFlow训练简单的二分类神经网络模型的方法

5.附上源码github链接

https://github.com/peakulorain/practices.git里的patternclassification.py文件

另注:分类问题还是用softmax去做吧.....我只是用这做书上的练习而已。

(初学者水平有限,有问题请指出,各位大佬轻喷)

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。

原文链接:http://blog.csdn.net/Peakulorain/article/details/76944598

相关文章

热门资讯

2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全 2019-12-26
Intellij idea2020永久破解,亲测可用!!!
Intellij idea2020永久破解,亲测可用!!! 2020-07-29
背刺什么意思 网络词语背刺是什么梗
背刺什么意思 网络词语背刺是什么梗 2020-05-22
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总 2020-11-13
歪歪漫画vip账号共享2020_yy漫画免费账号密码共享
歪歪漫画vip账号共享2020_yy漫画免费账号密码共享 2020-04-07
返回顶部