Simples Neuronales Netz in Tensorflow

mit matplotlib, NumPy, pandas, SciPy, SymPy und weiteren mathematischen Programmbibliotheken.
Antworten
paulhanneforth
User
Beiträge: 3
Registriert: Mittwoch 23. Mai 2018, 11:20

Hallo, ich hoffe ich habe mein Thema in den richtigen Bereich erstellt, wenn nicht tut es mir leid ich bin neu hier im Forum.
Weiß jemand wie man ein simples Neuronales Netz Tensorflow erstellt? Ich meine nicht diese vielen Tutorials mit dem MNIST Dataset sondern ich möchte einfach ein Neuronales Netz erstellen was 700 Input Neuronen hat 1000 Neuronen im Hidden Layer und 2 Neuronen im Output Layer und dass ich dem Neuronalen Netz einfach ein Vector als Input geben kann.
Kann mir jemand weiterhelfen?
Benutzeravatar
MagBen
User
Beiträge: 799
Registriert: Freitag 6. Juni 2014, 05:56
Wohnort: Bremen
Kontaktdaten:

Ich glaube du wirst nicht darum herum kommen, zunächst an den Beispielen mit dem MNIST Dataset zu lernen wie TensorFlow funktioniert.
a fool with a tool is still a fool, www.magben.de, YouTube
Benutzeravatar
ThomasL
User
Beiträge: 1366
Registriert: Montag 14. Mai 2018, 14:44
Wohnort: Kreis Unna NRW

Schau mal hier, der Franneck hat ein gutes Tutorial zu Tensorflow gemacht

https://www.youtube.com/watch?v=CrpAiAH ... BqLJRPaO0l
Ich bin Pazifist und greife niemanden an, auch nicht mit Worten.
Für alle meine Code Beispiele gilt: "There is always a better way."
https://projecteuler.net/profile/Brotherluii.png
DataChris
User
Beiträge: 2
Registriert: Montag 20. August 2018, 15:20

Versuch's mit Keras.

Code: Alles auswählen


#Nötige Importe
from keras.models import Sequential
from keras.layers import Dense
from sklearn.model_selection import train_test_split

#Daten in Trainings- und Testdaten splitten. X ist der unabh. Vektor/Matrix und y der Zielvektor
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2)

#Modell erstellen.
model = Sequential()
#Das Hidden Layer hat 1000 Neuronen und wird gespeist von deinem 700-dimensionalen Input
model.add(Dense(1000, input_dim=700, kernel_initializer='normal', activation='relu'))
#Das Ouput Layer hat ein Neuron
model.add(Dense(1, kernel_initializer='normal',activation='sigmoid'))

#Optimierungs- und Lossfunktion festlegen
model.compile(optimizer='rmsprop', loss='binary_crossentropy',metrics=['accuracy'])

#Modell trainieren
model.fit(X_train, y_train, epochs=10, batch_size=25)

#Modell am Testset evaluieren
score = model.evaluate(X_test, y_test)
print("Accuracy Score: "+str(round(score[1],4)))
Fertig.

Für mehr Infos kannst du gern in diesen Beitrag zu einfach neuronalen Netzen rein schauen.

Viele Grüße

Chris
Tholo
User
Beiträge: 177
Registriert: Sonntag 7. Januar 2018, 20:36

@DataChris

Sehr Interessante Seit mit schönen Beispielen! Gleich mal im Bookmark verewigt!

Danke dafür!
Antworten