人工神经网络

import os
# os.environ[“TF_CPP_MIN_LOG_LEVEL“]=‘1‘ # 这是默认的显示等级，显示所有信息
os.environ[“TF_CPP_MIN_LOG_LEVEL“]=‘2‘ # 只显示 warning 和 Error
# os.environ[“TF_CPP_MIN_LOG_LEVEL“]=‘3‘ # 只显示 Error
import tensorflow as tf
import numpy as np

# 添加层
def add_layer（inputs in_size out_size activation_function=None）:
    # add one more layer and return the output of this layer
    Weights = tf.Variable（tf.random_normal（[in_size out_size]）name=“weights“）
    biases = tf.Variable（tf.zeros（[1 out_size]） + 0.1name=“biases“）
    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

# 1.训练的数据
# Make up some real data 
#x_data = np.loadtxt（‘c:\\Upython\\ex4Data\\ex4x.dat‘）
x_data1=np.loadtxt（‘F:\计算机\机器学习\\2017分组project\\7 ANN%逻辑回归 Python&Matlab\神经网络\Dataset\\1_trainx.txt‘）
x_data2=np.loadtxt（‘F:\计算机\机器学习\\2017分组project\\7 ANN%逻辑回归 Python&Matlab\神经网络\Dataset\\1_testx.txt‘）
#y_data = np.loadtxt（‘c:\\Upython\\ex4Data\\train.txt‘）
#y_data=y_data.reshape（801）
y_data1=np.loadtxt（‘F:\计算机\机器学习\\2017分组project\\7 ANN%逻辑回归 Python&Matlab\神经网络\Dataset\\1_trainy.txt‘）
y_data2=np.loadtxt（‘F:\计算机\机器学习\\2017分组project\\7 ANN%逻辑回归 Python&Matlab\神经网络\Dataset\\1_testy.txt‘）
y_data1=y_data1.reshape（641）
y_data2=y_data2.reshape（161）


# 2.定义节点准备接收数据
# define placeholder for inputs to network  
xs = tf.placeholder（tf.float32 [None 2]）
ys =