tensorflow解决Fizz Buzz 的问题

问题是：

一个网友的博客，记录他在一次面试时，碰到面试官要求他在白板上用TensorFlow写一个简单的网络实现异或（XOR）功能。这个本身并不难，单层感知器不能解决异或问题是学习神经网络中的一个常识，而简单的两层神经网络却能将其轻易解决。但这个问题的难处在于，我们接触TensorFlow通常直接拿来写CNN，或者其他的深度学习相关的网络了，而实现这种简单网络，基本上从未做过；更何况，要求在白板上写出来，如果想bug free，并不是容易的事儿啊。

from keras.layers.normalization import BatchNormalization
from keras.models import Sequential
from keras.utils import np_utils
from keras.layers.core import Dense, Dropout, Activation
from keras.optimizers import SGD, Adam
import numpy as np

def fizzbuzz(start,end):
    x_train, y_train = [], []
    for i in range(start, end+1):
        num = i
        tmp = [0]*10
        j = 0
        while num:
            tmp[j] = num & 1
            num = num >> 1
            j += 1
        x_train.append(tmp)
        if i % 3 == 0 and i % 5 ==0:
            y_train.append([0, 0, 0, 1])
        elif i % 3 == 0:
            y_train.append([0, 1, 0, 0])
        elif i % 5 == 0:
            y_train.append([0, 0, 1, 0])
        else :
            y_train.append([1, 0, 0, 0])
    return np.array(x_train), np.array(y_train)


x_train, y_train = fizzbuzz(101, 1000) 
x_test, y_test = fizzbuzz(1, 100)

model = Sequential()
model.add(Dense(input_dim=10, output_dim=1000))
model.add(Activation('relu'))
model.add(Dense(output_dim=4))
model.add(Activation('softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

model.fit(x_train, y_train, batch_size=20, nb_epoch=100)

result = model.evaluate(x_test, y_test, batch_size=1000)

print('Acc：', format(result[1],  '0.2f'))

参数不同结果不同

 

 

 

 参考博客：https://www.cnblogs.com/baobaotql/p/11516611.html