import?tensorflow?as?tf
from??tensorflow.examples.tutorials.mnist??import??input_data
import?matplotlib.pyplot?as?plt
mnist?=?input_data.read_data_sets（“MNIST_data/“?one_hot?=?True）

#建立BP神經網絡模型
num_classes?=?10#數據類型0-9
input_size?=?784#28*28
hidden_units_size?=?30#層節點數
batch_size?=?1000#
training_iterations?=?1#迭代次數

#?設置變量
X?=?tf.placeholder?（tf.float32?shape?=?[None?input_size]）
Y?=?tf.placeholder?（tf.float32?shape?=?[None?num_classes]）
W1?=?tf.Variable?（tf.random_normal?（[input_size?hidden_units_size]stddev?=?0.1））#hidden_units_size?=?30#正態分布隨機數
B1?=?tf.Variable?（tf.constant?（0.1）[hidden_units_size]）#常數為1，形狀為（11）
W2?=?tf.Variable?（tf.random_normal?（[hidden_units_sizenum_classes]?stddev?=?0.1））#正態分布隨機數
B2?=?tf.Variable?（tf.constant?（0.1）?[num_classes]）
#?搭建計算網絡?使用?relu?函數作為激勵函數?這個函數就是?y?=?max?（0x）?的一個類似線性函數?擬合程度還是不錯的

#隱藏層
hidden_opt?=?tf.matmul?（X?W1）?+?B1#矩陣運算
hidden_opt?=?tf.nn.relu?（hidden_opt）#激活函數

#輸出層
final_opt?=?tf.matmul?（hidden_opt?W2）?+?B2#矩陣運算
final_opt?=?tf.nn.relu?（final_opt）#激活函數最終的輸出結果

c?=?tf.square（Y?-?final_opt）
loss?=?tf.reduce_mean（c）
#loss?=?tf.reduce_mean（tf.nn.softmax_cross_entropy_with_logits?（labels?=?Y?logits?=?final_opt））#損失函數交叉熵方法
opt?=?tf.train.GradientDescentOptimizer?（0.1）.minimize?（loss）
print（opt）
correct_prediction?=?tf.equal?（tf.argmax?（Y?1）?tf.argmax?（final_opt?1））
accuracy?=?tf.reduce_mean?（tf.cast?（correct_prediction?‘float‘））#將張量轉化成float
#?進行計算?打印正確率初始化
sess?=?tf.Session?（）#生成能進行TensorFlow計算的類
init?=?tf.global_variables_initializer?（）#全局變量
sess.run?（init）
for?i?in?range?（training_iterations）?:
????batch?=?mnist.train.next_batch?（batch_size）#每次迭代選用的樣本數100
????batch_input?=?batch[0]
????batch_labels?=?batch[1]
????training_loss?=?sess.run?（[opt?loss]?feed_dict?=?{X:?batch_input?Y:?batch_labels}）
????if?（i+1）?%?1000?==?0?:
????????train_accuracy?=?sess.run?（accuracy?feed_dict?=?{X:?batch_inputY:?batch_labels}）
????????print?（“step?:?%d?training?accuracy?=?%g?“?%?（i+1?train_accuracy））
###測試集輸出結果可視化
def?res_Visual（n）:
????#sess=tf.Session（）
????#sess.run（tf.global_variables_initializer（））
????final_opt_a=sess.run（tf.argmax?（final_opt?1）feed_dict?=?{X:?mnist.test.imagesY:?mnist.test.labels}）
????plt.title（final_opt_a[n]）
????print（final_opt）
????#圖片可視化展示
????img?=?mnist.test.images[n].reshape（（2828））#讀取每行數據，格式為Ndarry
????plt.imshow（img?cmap=‘Greys‘?interpolation=‘nearest‘）#可視化
????plt.show（）
res_Visual（14）

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2019-06-21?12:45??作業四?BP神經網絡\MNIST_data\
?????文件?????1648877??2019-06-10?15:18??作業四?BP神經網絡\MNIST_data\t10k-images-idx3-ubyte.gz
?????文件????????4542??2019-06-10?15:18??作業四?BP神經網絡\MNIST_data\t10k-labels-idx1-ubyte.gz
?????文件?????9912422??2019-06-10?15:18??作業四?BP神經網絡\MNIST_data\train-images-idx3-ubyte.gz
?????文件???????28881??2019-06-10?15:18??作業四?BP神經網絡\MNIST_data\train-labels-idx1-ubyte.gz
?????文件????????2873??2019-06-13?14:48??作業四?BP神經網絡\bp.py
?????目錄???????????0??2019-06-21?12:45??作業四?BP神經網絡\