tensorflow样例 BP神经网络

“““ Neural Network.

A 2-Hidden layers Fully Connected Neural Network （a.k.a Multilayer Perceptron）
implementation with TensorFlow. This example is using the MNIST database
of handwritten digits （http://yann.lecun.com/exdb/mnist/）.

links:
    [MNIST Dataset]（http://yann.lecun.com/exdb/mnist/）.

Author: Aymeric Damien
Project: https://github.com/aymericdamien/TensorFlow-Examples/
“““

from __future__ import print_function

# Import MNIST data
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets（“/tmp/data/“ one_hot=True）

import tensorflow as tf

# Parameters
learning_rate = 0.1
num_steps = 500
batch_size = 128
display_step = 100

# Network Parameters
n_hidden_1 = 256 # 1st layer number of neurons
n_hidden_2 = 256 # 2nd layer number of neurons
num_input = 784 # MNIST data input （img shape: 28*28）
num_classes = 10 # MNIST total classes （0-9 digits）

# tf Graph input
X = tf.placeholder（“float“ [None num_input]）
Y = tf.placeholder（“float“ [None num_classes]）

# Store layers weight & bias
weights = {
    ‘h1‘: tf.Variable（tf.random_normal（[num_input n_hidden_1]））
    ‘h2‘: tf.Variable（tf.random_normal（[n_hidden_1 n_hidden_2]））
    ‘out‘: tf.Variable（tf.random_normal（[n_hidden_2 num_classes]））
}
biases = {
    ‘b1‘: tf.Variable（tf.random_normal（[n_hidden_1]））
    ‘b2‘: tf.Variable（tf.random_normal（[n_hidden_2]））
    ‘out‘: tf.Variable（tf.random_normal（[num_classes]））
}


# Create model
def neural_net（x）:
    # Hidden fully connected layer with 256 neurons
    layer_1 = tf.add（tf.matmul（x weights[‘h1‘]） biases[‘b1‘]）
    # Hidden fully connected layer with 256 neurons
    layer_2 = tf.add（tf.matmul（layer_1 weights[‘