Tensorflow教程-利用高级API创建多层感知机

“ 再小的你，也有自己的个性”

通过阅读本文，您能学到：

1、tf.layers/estimator API定义多层感知机

2、EagerAPI定义多层感知机

源代码：

https://github.com/PrivateThink/tensorflow_tutorial/blob/master/11.py

https://github.com/PrivateThink/tensorflow_tutorial/blob/master/12.py

在

Tensorflow教程-多层感知机新闻分类

这篇教程中，已经利用多层感知机进行新闻分类。但是这篇教程是利用比较底层的Api进行构建多层感知机，而今天则利用高级的API进行构建API。

tf.layers/estimator api定义多层感知机

首先定义参数，构建两层隐藏层的多层感知机，隐藏层大小都一眼。利用手写体数据作为实验的数据。

在上述程序中，创建了Estimator，Estimator相当于估计器，也可以说是模型。创建好Estimator就可以训练模型，直接调用train方法，验证模型跟训练模型一样，只不过是调用evaluate方法。

难道就这么简单？细心的读者可能会发现model_fn，它是定义好的函数。

model_fn函数定义

另外，model_fn(features, labels, mode)中第一个参数定义与input_fn的x定义，labels与input_fn的与对应，也就是说，将x传给features，将y传给labels。

程序中neural_net是创建网络结构的函数，如下：

由于篇幅的问题，EagerAPI定义多层感知机我就不讲解了，读者可以直接查看github源代码，有详细的注解。