Tensorflow学习：（三）神经网络优化

一、完善常用概念和细节

1、神经元模型：

　　之前的神经元结构都采用线上的权重w直接乘以输入数据x，用数学表达式即，但这样的结构不够完善。

　　完善的结构需要加上偏置，并加上激励函数。用数学公式表示为：。其中f为激励函数。

　　神经网络就是由以这样的神经元为基本单位构成的。

　　

2、激活函数

　　引入非线性激活因素，提高模型的表达力。

　　常用的激活函数有：

　　（1）relu函数，用 tf.nn.relu()表示

　　

　　（2）sigmoid函数，用 tf.nn.sigmoid()表示

　　

　　（3）tanh函数，用 tf.nn.tanh()表示

　　

3、神经网络的复杂度

　　可以用神经网络的层数和神经网络待优化的参数个数来表示

4、神经网络的层数

　　层数=n个隐藏层 + 1个输出层

　　注意：一般不计入输入层

5、神经网络待优化的参数

　　神经网络所有参数w、b的个数

　　举例：下图为神经网络示意图

　　

　　在该神经网络中，包含1个输入层、1个隐藏层和1个输出层，该神经网络的层数为2层。(不计入输入层)

　　在该神经网络中，参数的个数是所有参数w的个数加上所有参数b的总数，第一层参数用三行四列的二阶张量表示（即12个线上的权重w）再加上4个偏置b；第二层参数是四行两列的二阶张量（即8个线上的权重w）再加上2个偏置b。总参数=3*4+4+4*2+2=26。

二、神经网络优化

上一节讲了神经网络前向传播和后向传播大体框架，这一节讨论神经网络的优化问题。

1、损失函数（loss）

　　用来表示预测值（y）与已知答案（y_）的差距。在训练神经网络时，通过不断改变神经网络中所有参数，使损失函数不断减小，从而训练出更高准确率的神经网络模型。

　　常用的损失函数有：

　　（1）均方误差（mse）

　　之前的随笔有提到过，所谓均方误差就是n个样本的预测值y与已知答案y_之差的平方和，再求平均值

　　数学公式为，在Tensorflow中表示为 tf.reduce_mean(tf.square(y-y_))

　　在本篇文章中我们用一个预测酸奶日销量 y 的例子来验证神经网络优化的效果。x1、x2是影响日销量的两个因素。由于目前没有数据集，所以利用随机函数生成x1、x2，制造标准答案y_=x1+x2，为了更真实，求和后还添加了正负0.05的随机噪声。

　　选择mse的损失函数，把自制的数据集喂入神经网络，构建神经网络，看训练出来的参数是否和标准答案y_ = x1+x2

　　代码如下：

 import tensorflow as tf
 import numpy as np
 
 BATCH_SIZE = 8
 SEED = 23455
 
 # 构造数据集
 rdm = np.random.RandomState(SEED)
 X = rdm.rand(32,2)
 Y_ = [[x1+x2+(rdm.rand()/10.0-0.05)] for (x1, x2) in X]     # rand()会构造0-1的随机数，/10之后构造0-0.1的随机数，0~0.1-0.05相当于构造了-0.05~+0.05的随机数，也就是我们需要的噪声
 
 #1定义神经网络的输入、参数和输出，定义前向传播过程。
 x = tf.placeholder(tf.float32, shape=(None, 2))
 y_ = tf.placeholder(tf.float32, shape=(None, 1))
 w1= tf.Variable(tf.random_normal([2, 1], stddev=1, seed=1))
 y = tf.matmul(x, w1)
 
 #2定义损失函数及反向传播方法。
 #定义损失函数为MSE,反向传播方法为梯度下降。
 loss_mse = tf.reduce_mean(tf.square(y_ - y))
 train_step = tf.train.GradientDescentOptimizer(0.001).minimize(loss_mse)
 
 #3生成会话，训练STEPS轮
 with tf.Session() as sess:
     init_op = tf.global_variables_initializer()
     sess.run(init_op)
     STEPS = 20000
     for i in range(STEPS):
         start = (i*BATCH_SIZE) % 32
         end = (i*BATCH_SIZE) % 32 + BATCH_SIZE
         sess.run(train_step, feed_dict={x: X[start:end], y_: Y_[start:end]})
         if i % 500 == 0:
             print("After %d training steps, w1 is: " % (i))
             print(sess.run(w1), "\n")
     print("Final w1 is: \n", sess.run(w1))

最后的训练结果为：

Final w1 is:
 [[0.98019385]
 [1.0159807 ]]

显然w1、w2是趋近于答案1的。这部分的NN和上一篇笔记没什么太多不一样的地方，只是训练了两个权重而已。　

　　（2）自定义

上面的模型中，损失函数采用的是MSE，但根据事实情况我们知道，销量预测问题不是简单的成本和利润相等问题。如果预测多了，卖不出去，损失的是成本，反之预测少了，损失的是利润，现实情况往往利润和成本是不相等的。因此，需要使用符合该问题的自定义损失函数。

自定义损失函数数学公式为：loss = Σ_nf(y_,y)

到本问题中可以定义成分段函数：

用tf的函数表示为：loss = tf.reduce_sum(tf.where(tf.greater(y,y_),cost(y-y_),PROFIT(y_-y)))

现在假设酸奶成本为1元，利润为9元，显然希望多预测点，这样我们只需改变上面代码中的损失函数，指定一下cost和profit的值就可以了。代码训练结果为：

Final w1 is:
 [[1.0296593]
 [1.0484141]]

显然要比单纯的y=x1+x2要多预测。

那么如果现在假设酸奶成本为9元，利润为1元，又会得到怎样的参数呢。训练结果为：

Final w1 is:
 [[0.9600407]
 [0.9733418]]

显然比y=x1+x2要少预测。这是符合我们想法的。

因此，综上所述，采用自定义损失函数的方法可能更符合预测结果。

　　（3）交叉熵（Cross Entropy）

表示两个概率分布之间的距离，交叉熵越大，说明两个概率分布距离越远，两个概率分布越相异；

交叉熵越小，说明两个概率分布距离越近，两个概率分布越相似。

交叉熵计算公式为：H(y_,y)=-Σy_ * log₁₀ y

在tf中表示为：ce = -tf.reduce_mean(y_ * tf.log(tf.clip_by_value(y,1e-12,1.0)))     # 确保y<1e-12为1e-2,y>1为1

举一个数学的例子，比如标准答案y_=(1,0)。y1=（0.6，0.4 ）  y2=（0.8，0.2），哪个更接近标准答案呢。

但是为了能够将输出变为满足概率分布在（0，1）上，我么们需要使用softmax函数

在tf中，一般让模型的输出经过softmax函数，进而获得输出分类的概率分布，再与标准答案对比，求得交叉熵，得到损失函数，并且有专门的函数。

ce = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y, labels=tf.argmax(y_, 1))

cem = tf.reduce_mean(ce)

这也就代替了ce = -tf.reduce_mean(y_ * tf.log(tf.clip_by_value(y,1e-12,1.0)))    这句函数

2、学习率

上一篇笔记中有讨论过学习率的问题，得到的大致结论是：学习率过大，会导致待优化参数在最小值附近波动，不收敛；学习率过小，导致训练次数增大，收敛缓慢

在这里我们需要展开讨论有关学习率的问题。

(1)随机梯度下降算法更新参数

首先随机梯度下降方法更新参数的公式为：w_n+1=w_n - learning_rate * ▽  （▽表示损失函数关于参数的偏导）

如果参数初值为5，学习率为0.2，则参数更新情况为：

再举个例子，如果损失函数为loss=(w+1)²,画出函数图像为：

能看的出来，如果损失函数使用随机梯度下降优化器，loss的最小值应该是0，此时参数w为-1 。

（2）指数衰减学习率

        指数衰减学习率就是指学习率会随着训练轮数变化而实现动态更新，它不再是一个定值。

计算公式为：learning_rate = learning_rate_base *   learning_rate_decay ^{global_step/learning_rate_step}

这里面的概念：

learning_rate_base:学习率基数，一般认为和学习率初始值相等

learning_rate_decay：学习率衰减率，范围是（0，1）

global_step:运行了几轮batch_size

learning_rate_step:多少论更新一次学习率=总样本数/batch_size

在tensorflow中，我们用这样的函数来表示：

首先要有一个值指向当前的训练轮数，这是一个不可训练参数，作为一个“线索”

global_step = tf.Variable(0,trainable=False)

再来就是一个学习率的函数：

learning_rate = tf.train.exponential_decay(

LEARNING_RATE_BASE,

global_step,

LEARNING_RATE_STEP,

LEARNING_RATE_DECAY,

staircase=True/False)    # 其他的参数已经在上面提到过，最后一个参数staircase，当设置为True时，表示global_step/learning_rate_step取整数，学习率阶梯型衰减；若为False，学习率是一条平滑下降的曲线。

在代码中展示指数衰减学习率：

#设损失函数 loss=(w+1)^2, 令w初值是常数10。反向传播就是求最优w，即求最小loss对应的w值
#使用指数衰减的学习率，在迭代初期得到较高的下降速度，可以在较小的训练轮数下取得更有收敛度。
import tensorflow as tf
 
LEARNING_RATE_BASE = 0.1 #最初学习率
LEARNING_RATE_DECAY = 0.99 #学习率衰减率
LEARNING_RATE_STEP = 1  #喂入多少轮BATCH_SIZE后，更新一次学习率，一般设为：总样本数/BATCH_SIZE
 
#运行了几轮BATCH_SIZE的计数器，初值给0, 设为不被训练
global_step = tf.Variable(0, trainable=False)
#定义指数下降学习率
learning_rate = tf.train.exponential_decay(LEARNING_RATE_BASE, global_step, LEARNING_RATE_STEP, LEARNING_RATE_DECAY, staircase=True)
#定义待优化参数，初值给10
w = tf.Variable(tf.constant(10, dtype=tf.float32))
#定义损失函数loss
loss = tf.square(w+1)
#定义反向传播方法
train_step = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss, global_step=global_step)
#生成会话，训练40轮
with tf.Session() as sess:
    init_op=tf.global_variables_initializer()
    sess.run(init_op)
    for i in range(40):
        sess.run(train_step)
        learning_rate_val = sess.run(learning_rate)
        global_step_val = sess.run(global_step)    # global_step也要放在会话中运行，要不然怎么更新
        w_val = sess.run(w)
        loss_val = sess.run(loss)
        print("After %s steps: global_step is %f, w is %f, learning rate is %f, loss is %f" % (i, global_step_val, w_val, learning_rate_val, loss_val))

运行显示结果为

After 0 steps: global_step is 1.000000, w is 7.800000, learning rate is 0.099000, loss is 77.440002
After 1 steps: global_step is 2.000000, w is 6.057600, learning rate is 0.098010, loss is 49.809719
After 2 steps: global_step is 3.000000, w is 4.674170, learning rate is 0.097030, loss is 32.196201
After 3 steps: global_step is 4.000000, w is 3.573041, learning rate is 0.096060, loss is 20.912704
After 4 steps: global_step is 5.000000, w is 2.694472, learning rate is 0.095099, loss is 13.649124
After 5 steps: global_step is 6.000000, w is 1.991791, learning rate is 0.094148, loss is 8.950812
After 6 steps: global_step is 7.000000, w is 1.428448, learning rate is 0.093207, loss is 5.897362
After 7 steps: global_step is 8.000000, w is 0.975754, learning rate is 0.092274, loss is 3.903603
After 8 steps: global_step is 9.000000, w is 0.611131, learning rate is 0.091352, loss is 2.595742
After 9 steps: global_step is 10.000000, w is 0.316771, learning rate is 0.090438, loss is 1.733887
After 10 steps: global_step is 11.000000, w is 0.078598, learning rate is 0.089534, loss is 1.163375
After 11 steps: global_step is 12.000000, w is -0.114544, learning rate is 0.088638, loss is 0.784033
After 12 steps: global_step is 13.000000, w is -0.271515, learning rate is 0.087752, loss is 0.530691
After 13 steps: global_step is 14.000000, w is -0.399367, learning rate is 0.086875, loss is 0.360760
After 14 steps: global_step is 15.000000, w is -0.503726, learning rate is 0.086006, loss is 0.246287
After 15 steps: global_step is 16.000000, w is -0.589091, learning rate is 0.085146, loss is 0.168846
After 16 steps: global_step is 17.000000, w is -0.659066, learning rate is 0.084294, loss is 0.116236
After 17 steps: global_step is 18.000000, w is -0.716543, learning rate is 0.083451, loss is 0.080348
After 18 steps: global_step is 19.000000, w is -0.763853, learning rate is 0.082617, loss is 0.055765
After 19 steps: global_step is 20.000000, w is -0.802872, learning rate is 0.081791, loss is 0.038859
After 20 steps: global_step is 21.000000, w is -0.835119, learning rate is 0.080973, loss is 0.027186
After 21 steps: global_step is 22.000000, w is -0.861821, learning rate is 0.080163, loss is 0.019094
After 22 steps: global_step is 23.000000, w is -0.883974, learning rate is 0.079361, loss is 0.013462
After 23 steps: global_step is 24.000000, w is -0.902390, learning rate is 0.078568, loss is 0.009528
After 24 steps: global_step is 25.000000, w is -0.917728, learning rate is 0.077782, loss is 0.006769
After 25 steps: global_step is 26.000000, w is -0.930527, learning rate is 0.077004, loss is 0.004827
After 26 steps: global_step is 27.000000, w is -0.941226, learning rate is 0.076234, loss is 0.003454
After 27 steps: global_step is 28.000000, w is -0.950187, learning rate is 0.075472, loss is 0.002481
After 28 steps: global_step is 29.000000, w is -0.957706, learning rate is 0.074717, loss is 0.001789
After 29 steps: global_step is 30.000000, w is -0.964026, learning rate is 0.073970, loss is 0.001294
After 30 steps: global_step is 31.000000, w is -0.969348, learning rate is 0.073230, loss is 0.000940
After 31 steps: global_step is 32.000000, w is -0.973838, learning rate is 0.072498, loss is 0.000684
After 32 steps: global_step is 33.000000, w is -0.977631, learning rate is 0.071773, loss is 0.000500
After 33 steps: global_step is 34.000000, w is -0.980842, learning rate is 0.071055, loss is 0.000367
After 34 steps: global_step is 35.000000, w is -0.983565, learning rate is 0.070345, loss is 0.000270
After 35 steps: global_step is 36.000000, w is -0.985877, learning rate is 0.069641, loss is 0.000199
After 36 steps: global_step is 37.000000, w is -0.987844, learning rate is 0.068945, loss is 0.000148
After 37 steps: global_step is 38.000000, w is -0.989520, learning rate is 0.068255, loss is 0.000110
After 38 steps: global_step is 39.000000, w is -0.990951, learning rate is 0.067573, loss is 0.000082
After 39 steps: global_step is 40.000000, w is -0.992174, learning rate is 0.066897, loss is 0.000061

根据损失函数的公式，我们知道理论上w在-1时，loss取最小值为0.显然结果是符合理论的。

这里留下一个待解决的问题，改变指数衰减学习率公式中的几个参数， 会对训练次数，权重更新，学习率，损失值分别有什么影响?

3、滑动平均（影子）

滑动平均值（也有人称为影子值），记录了一段时间内模型中所有的参数w和b各自的平均值。使用影子值可以增强模型的泛化能力。就感觉是给参数加了影子，参数变化，影子缓慢跟随。

影子 = 衰减率*影子 + （1-衰减率）*参数

其中，影子初值 = 参数初值；衰减率 = min{moving_average_decay , (1+轮数)/(10+轮数) }

例如，moving_average_decay赋值为0.99，参数w设置为0，影子值为0

(1)    开始时，训练轮数为0，参数更新为1，则w的影子值为：

影子 = min(0.99,1/10)*0+(1-min(0.99,1/10))*1=0.9

(2)    当训练轮数为100时，参数w更新为10，则w的影子值为：

影子 = min(0.99,101/110)*0.9+(1– min(0.99,101/110)*10 = 0.826+0.818=1.644

(3)    当训练轮数为100时，参数w更新为1.644，则w的影子值为：

影子 = min(0.99,101/110)*1.644+(1– min(0.99,101/110)*10 = 2.328

(4)    当训练轮数为100时，参数w更新为2.328，则w的影子值为：

影子 = 2.956

用tensorflow函数可以表示为以下内容：（相关注释在完整代码中写）

ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY， global_step)

ema_op = ema.apply(tf.trainable_variables())

with tf.control_dependencies([train_step, ema_op]):
                train_op = tf.no_op(name='train')

所以上面的例子用完整的滑动平均代码为：

import tensorflow as tf
 
# 1. 定义变量及滑动平均类
# 定义一个32位浮点变量，初始值为0.0  这个代码就是不断更新w1参数，优化w1参数，滑动平均做了个w1的影子
w1 = tf.Variable(0, dtype=tf.float32)
# 定义num_updates（NN的迭代轮数）,初始值为0，不可被优化（训练），这个参数不训练
global_step = tf.Variable(0, trainable=False)
# 实例化滑动平均类，给衰减率为0.99，一般赋值为接近1的值
MOVING_AVERAGE_DECAY = 0.99
ema = tf.train.ExponentialMovingAverage(MOVING_AVERAGE_DECAY, global_step)
 
# ema.apply后的括号里是更新列表，每次运行sess.run（ema_op）时，对更新列表中的元素求滑动平均值。
# ema.apply()函数实现对括号内参数求滑动平均
# 在实际应用中会使用tf.trainable_variables()自动将所有待训练的参数汇总为列表
# ema_op = ema.apply([w1])
ema_op = ema.apply(tf.trainable_variables())
 
# 2. 查看不同迭代中变量取值的变化。
with tf.Session() as sess:
    # 初始化
    init_op = tf.global_variables_initializer()
    sess.run(init_op)
    # 用ema.average(w1)获取w1滑动平均值 （要运行多个节点，作为列表中的元素列出，写在sess.run中）
    # 打印出当前参数w1和w1滑动平均值
    print("current global_step:", sess.run(global_step))
    print("current w1", sess.run([w1, ema.average(w1)]))
 
    # 参数w1的值赋为1
    sess.run(tf.assign(w1, 1))
    sess.run(ema_op)
    print("current global_step:", sess.run(global_step))
    print("current w1", sess.run([w1, ema.average(w1)]))
 
    # 更新global_step和w1的值,模拟出轮数为100时，参数w1变为10, 以下代码global_step保持为100，每次执行滑动平均操作，影子值会更新
    sess.run(tf.assign(global_step, 100))
    sess.run(tf.assign(w1, 10))
    sess.run(ema_op)
    print("current global_step:", sess.run(global_step))
    print("current w1:", sess.run([w1, ema.average(w1)]))
 
    # 每次sess.run会更新一次w1的滑动平均值
    sess.run(ema_op)
    print("current global_step:", sess.run(global_step))
    print("current w1:", sess.run([w1, ema.average(w1)]))
 
    sess.run(ema_op)
    print("current global_step:", sess.run(global_step))
    print("current w1:", sess.run([w1, ema.average(w1)]))

多次执行训练轮数为100的ema_op，观察影子值，运行结果为：

current global_step: 0
current w1 [0.0, 0.0]
current global_step: 0
current w1 [1.0, 0.9]
current global_step: 100
current w1: [10.0, 1.6445453]
current global_step: 100
current w1: [10.0, 2.3281732]
current global_step: 100
current w1: [10.0, 2.955868]
current global_step: 100
current w1: [10.0, 3.532206]
current global_step: 100
current w1: [10.0, 4.061389]
current global_step: 100
current w1: [10.0, 4.547275]
current global_step: 100
current w1: [10.0, 4.9934072]

能够看得出来，训练轮数不变的时候，影子值一直在逼近于10，说明影子值随参数的改变而改变。有一个“影子追随“的感觉。

4、正则化

正则化是解决神经网络过拟合的有效方法。自然要先提一下过拟合问题。

过拟合：神经网络模型在训练集上准确率高，在测试集进行预测或分类时准确率吧较低，说明模型的泛化能力差

正则化：在损失函数中给每个参数w加上权重，引入模型复杂度指标，从而抑制模型噪声，减小过拟合。

           根据正则化的定义，我们可以得出新的损失函数值：、

loss = loss(y-y_) + regularizer* loss(w)               第一项是预测结果与标准答案的差距，第二项是正则化计算结果

正则化有两种计算方法：

(1)L1正则化：loss_L1 = ∑_i  |w_i|  ,  tf函数表示为：loss(w) = tf.contrib.layers.l1_regularizer(regularizer)(w)

(2)L2正则化：loss_L2 = ∑_i  |w_i|² ,  tf函数表示为：loss(w) = tf.contrib.layers.l2_regularizer(regularizer)(w)

正则化实现用tensorflow可以表示为：

tf.add_to_collection('losses', tf.contrib.layers.l2_regularizer(regularizer)(w)

loss = cem + tf.add_n(tf.get_collection('losses'))        # cem即交叉熵损失函数的值

举例：

随机生成300个符合正态分布的点(x0,x1),当x0²+x1²<2 时，y_=1,标注为红色，x0²+x1²≥2时，y_=0,标注为蓝色。使用matplotlib模块分别画出无正则化和有正则化的拟合曲线

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
 
BATCH_SIZE = 30
seed = 2
# 基于seed产生随机数
rdm = np.random.RandomState(seed)
# 随机数返回300行2列的矩阵，表示300组坐标点（x0,x1）作为输入数据集
# randn()函数是从正态分布中返回样本值，rand()函数是从(0,1)中返回样本值
X = rdm.randn(300, 2)
# 从X这个300行2列的矩阵中取出一行,判断如果两个坐标的平方和小于2，给Y赋值1，其余赋值0
# 作为输入数据集的标签（正确答案）
Y_ = [int(x0 * x0 + x1 * x1 < 2) for (x0, x1) in X]
# 遍历Y中的每个元素，1赋值'red'其余赋值'blue'，这样可视化显示时人可以直观区分
Y_c = [['red' if y else 'blue'] for y in Y_]
# 对数据集X和标签Y进行shape整理，第一个元素为-1表示，随第二个参数计算得到，第二个元素表示多少列，把X整理为n行2列，把Y整理为n行1列
X = np.vstack(X).reshape(-1, 2)
Y_ = np.vstack(Y_).reshape(-1, 1)
print(X)
print(Y_)
print(Y_c)
# 用plt.scatter画出数据集X各行中第0列元素和第1列元素的点即各行的（x0，x1），用各行Y_c对应的值表示颜色（c是color的缩写）
plt.scatter(X[:, 0], X[:, 1], c=np.squeeze(Y_c))
plt.show()
 
# 定义神经网络的输入、参数和输出，定义前向传播过程
def get_weight(shape, regularizer):
    w = tf.Variable(tf.random_normal(shape), dtype=tf.float32)
    tf.add_to_collection('losses', tf.contrib.layers.l2_regularizer(regularizer)(w))
    return w
 
def get_bias(shape):
    b = tf.Variable(tf.constant(0.01, shape=shape))
    return b
 
x = tf.placeholder(tf.float32, shape=(None, 2))
y_ = tf.placeholder(tf.float32, shape=(None, 1))
 
w1 = get_weight([2, 11], 0.01)
b1 = get_bias([11])
y1 = tf.nn.relu(tf.matmul(x, w1) + b1)
 
w2 = get_weight([11, 1], 0.01)
b2 = get_bias([1])
y = tf.matmul(y1, w2) + b2
 
# 定义损失函数
loss_mse = tf.reduce_mean(tf.square(y - y_))
loss_total = loss_mse + tf.add_n(tf.get_collection('losses'))
 
# 定义反向传播方法：不含正则化
train_step = tf.train.AdamOptimizer(0.0001).minimize(loss_mse)
 
with tf.Session() as sess:
    init_op = tf.global_variables_initializer()
    sess.run(init_op)
    STEPS = 40000
    for i in range(STEPS):
        start = (i * BATCH_SIZE) % 300
        end = start + BATCH_SIZE
        sess.run(train_step, feed_dict={x: X[start:end], y_: Y_[start:end]})
        if i % 2000 == 0:
            loss_mse_v = sess.run(loss_mse, feed_dict={x: X, y_: Y_})
            print("After %d steps, loss is: %f" % (i, loss_mse_v))
    # xx在-3到3之间以步长为0.01，yy在-3到3之间以步长0.01,生成二维网格坐标点
    xx, yy = np.mgrid[-3:3:.01, -3:3:.01]
    # 将xx , yy拉直，并合并成一个2列的矩阵，得到一个网格坐标点的集合
    grid = np.c_[xx.ravel(), yy.ravel()]
    # 将网格坐标点喂入神经网络 ，probs为输出
    probs = sess.run(y, feed_dict={x: grid})
    # probs的shape调整成xx的样子
    probs = probs.reshape(xx.shape)
    print("w1:\n", sess.run(w1))
    print("b1:\n", sess.run(b1))
    print("w2:\n", sess.run(w2))
    print("b2:\n", sess.run(b2))
 
plt.scatter(X[:, 0], X[:, 1], c=np.squeeze(Y_c))
plt.contour(xx, yy, probs, levels=[.5])
plt.show()
 
# 定义反向传播方法：包含正则化
train_step = tf.train.AdamOptimizer(0.0001).minimize(loss_total)
 
with tf.Session() as sess:
    init_op = tf.global_variables_initializer()
    sess.run(init_op)
    STEPS = 40000
    for i in range(STEPS):
        start = (i * BATCH_SIZE) % 300
        end = start + BATCH_SIZE
        sess.run(train_step, feed_dict={x: X[start:end], y_: Y_[start:end]})
        if i % 2000 == 0:
            loss_v = sess.run(loss_total, feed_dict={x: X, y_: Y_})   # 与未正则化相比，这个地方的loss_mse换成了loss_total
            print("After %d steps, loss is: %f" % (i, loss_v))
 
    xx, yy = np.mgrid[-3:3:.01, -3:3:.01]
    grid = np.c_[xx.ravel(), yy.ravel()]
    probs = sess.run(y, feed_dict={x: grid})
    probs = probs.reshape(xx.shape)
    print("w1:\n", sess.run(w1))
    print("b1:\n", sess.run(b1))
    print("w2:\n", sess.run(w2))
    print("b2:\n", sess.run(b2))
 
plt.scatter(X[:, 0], X[:, 1], c=np.squeeze(Y_c))
plt.contour(xx, yy, probs, levels=[.5])
plt.show()

分别画出有无正则化的图

  

右图加入了正则化，显然正则化模型的拟合曲线平滑，泛化能力强一点。

留下待解决问题，更改正则化参数，观察拟合变化？   

本人初学者，有任何错误欢迎指出，谢谢。