深度学习之TensorFlow 入门、原理与进阶实战李金洪（著）代码

# -*- coding: utf-8 -*-
“““
Created on Tue May 23 16:28:24 2017
@author: 代码医生
@blog：http://blog.csdn.net/lijin6249
“““

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

# 导入 MINST 数据集
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets（“/data/“ one_hot=True）

# 网络模型参数
learning_rate = 0.01
n_hidden_1 = 256 # 第一层256个节点
n_hidden_2 = 128 # 第二层128个节点
n_input = 784 # MNIST data 输入 （img shape: 28*28）

# 占位符
x = tf.placeholder（“float“ [None n_input]）#输入
y = x #输出


#学习参数
weights = {
    ‘encoder_h1‘: tf.Variable（tf.random_normal（[n_input n_hidden_1]））
    ‘encoder_h2‘: tf.Variable（tf.random_normal（[n_hidden_1 n_hidden_2]））
    ‘decoder_h1‘: tf.Variable（tf.random_normal（[n_hidden_2 n_hidden_1]））
    ‘decoder_h2‘: tf.Variable（tf.random_normal（[n_hidden_1 n_input]））
}
biases = {
    ‘encoder_b1‘: tf.Variable（tf.zeros（[n_hidden_1]））
    ‘encoder_b2‘: tf.Variable（tf.zeros（[n_hidden_2]））
    ‘decoder_b1‘: tf.Variable（tf.zeros（[n_hidden_1]））
    ‘decoder_b2‘: tf.Variable（tf.zeros（[n_input]））
}


# 编码
def encoder（x）:
    layer_1 = tf.nn.sigmoid（tf.add（tf.matmul（x weights[‘encoder_h1‘]）biases[‘encoder_b1‘]））
    layer_2 = tf.nn.sigmoid（tf.add（tf.matmul（layer_1 weights[‘encoder_h2‘]） biases[‘encoder_b2‘]））
    return layer_2


# 解码
def decoder（x）:
    layer_1 = tf.nn.sigmoid（tf.add（tf.matmul（x weights[‘decoder_h1‘]）biases[‘decoder_b1‘]））
    layer_2 = tf.nn.sigmoid（tf.add（tf.matmul（layer_1 weights[‘decoder_h2‘]）biases[‘decoder_b2‘]））
    return layer_2

#输出的节点
encoder_out = encoder（x）
pred = decoder（encoder_out）

# 使用平方差为cost
cost = tf.reduce_mean（tf.pow（y - pred 2））
optimizer = tf.train.RMSPropOptimizer（learning_rate）.minimize（cost）

# 训练参数
training_epochs = 20  #一共迭代20次
batch_size = 256     #每次取256个样本
display_step = 5     #迭代5次输出一次信息

# 启动绘话
with tf.Session（） as sess:
    sess.run（tf.global_variables_initializer（））
    
    
    total_batch = int（mnist.train.num_examples/batch_size）
    # 开始训练
    for epoch in range（training_epochs）:#迭代
        
        for i in range（total_batch）:
            batch_xs batch_ys = mnist.train.next_batch（batch_size）#取数据
            _ c = sess.run（[optimizer cost] feed_dict={x: batch_xs}）# 训练模型
        if epoch % display_step == 0:# 现实日志信息
            print（“Epoch:“ ‘%04d‘ % （epoch+1）“cost=“ “{:.9f}“.format（c））

    print（“完成!“）
    
    # 测试
    correct_prediction = tf.equal（tf.argmax（pred 1） tf.argmax（y 1））
    # 计算错误率
    accuracy = tf.reduce_mean（tf.cast（correct_prediction “float“））
    print （“Accuracy:“ 1-accuracy.eval（{x: mnist.test.images y: mnist.test.images}））

   

    # 可视化结果
    show_num = 10
    reconstruction = sess.run（
        pred feed_dict={x: mnist.test.images[:show_num]}）

    f a = plt.subplots（2 10 figsize=（10 2））
    for i in range（show_num）:
        a[0][i].imshow（np.reshape（mnist.test.images[i] （28 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3325  2018-10-06 20:08  深度学习之tensorflow_代码\10-1__自编码.py

     文件       4564  2018-10-06 20:08  深度学习之tensorflow_代码\10-2__自编码进阶.py

     文件       5143  2018-10-06 20:09  深度学习之tensorflow_代码\10-3__卷积网络自编码.py

     文件       4535  2018-10-06 20:09  深度学习之tensorflow_代码\10-4__自编码练习题.py

     文件       4304  2018-10-06 20:09  深度学习之tensorflow_代码\10-5__去噪自编码.py

     文件       9273  2018-10-06 20:09  深度学习之tensorflow_代码\10-6__自编码综合.py

     文件      10065  2018-10-06 20:09  深度学习之tensorflow_代码\10-7__分布自编码综合.py

     文件       4874  2018-10-06 20:09  深度学习之tensorflow_代码\10-8__变分自编码.py

     文件       5881  2018-10-06 20:09  深度学习之tensorflow_代码\10-9__条件变分自编码.py

     文件        870  2018-10-06 20:09  深度学习之tensorflow_代码\11-1__tfrecodertest.py

     文件       1825  2018-10-06 20:09  深度学习之tensorflow_代码\11-2__inception_resnet_v2使用.py

     文件       3531  2018-10-06 20:09  深度学习之tensorflow_代码\11-3__vgg19图片检测使用.py

     文件       3714  2018-10-06 20:09  深度学习之tensorflow_代码\11-4_object_Detection使用.py

     文件       7471  2018-10-06 20:09  深度学习之tensorflow_代码\12-1__Mnistinfogan.py

     文件       9529  2018-10-06 20:09  深度学习之tensorflow_代码\12-2__aegan.py

     文件       3924  2018-10-06 20:09  深度学习之tensorflow_代码\12-3__wgan_gp.py

     文件       7574  2018-10-06 20:09  深度学习之tensorflow_代码\12-4__mnistLSgan.py

     文件       5802  2018-10-06 20:09  深度学习之tensorflow_代码\12-5__GAN-cls.py

     文件       2691  2018-10-06 20:09  深度学习之tensorflow_代码\12-6__mnistEspcn.py

     文件       5543  2018-10-06 20:09  深度学习之tensorflow_代码\12-7__tfrecoderSRESPCN.py

     文件       6940  2018-10-06 20:09  深度学习之tensorflow_代码\12-8__resESPCN.py

     文件      10208  2018-10-06 20:09  深度学习之tensorflow_代码\12-9__rsgan.py

     文件       2670  2018-10-06 20:01  深度学习之tensorflow_代码\3-1__线性回归.py

     文件       2748  2018-10-06 20:02  深度学习之tensorflow_代码\3-2__通过字典类型定义输入节点.py

     文件       1558  2018-10-06 20:03  深度学习之tensorflow_代码\3-3__直接定义输入节点.py

     文件       2698  2018-10-06 20:03  深度学习之tensorflow_代码\3-4__通过字典类型定义学习参数.py

     文件        663  2018-10-06 20:04  深度学习之tensorflow_代码\4-10__get_variable配合variable_scope.py

     文件        980  2018-10-06 20:04  深度学习之tensorflow_代码\4-11__get_variable配合variable_scope2.py

     文件        765  2018-10-06 20:04  深度学习之tensorflow_代码\4-12__共享变量的作用域与初始化.py

     文件       1019  2018-10-06 20:05  深度学习之tensorflow_代码\4-13__作用域与操作符的受限范围.py

............此处省略96个文件信息