CNN处理kdd99数据集tensorflow实现.zip

#/usr/bin/python2.7
#coding:utf-8

from __future__ import print_function
import tensorflow as tf
import randomcsv


def next_batch（feature_listlabel_listsize）:
    feature_batch_temp=[]
    label_batch_temp=[]
    f_list = random.sample（range（len（feature_list）） size）
    for i in f_list:
        feature_batch_temp.append（feature_list[i]）
    for i in f_list:
        label_batch_temp.append（label_list[i]）
    return feature_batch_templabel_batch_temp

def weight_variable（shapelayer_name）:
    #定义一个shape形状的weights张量
    with tf.name_scope（layer_name + ‘_Weights‘）:
        Weights = tf.Variable（tf.truncated_normal（shape stddev=0.1）name=‘W‘）
    tf.histogram_summary（layer_name + ‘_Weights‘ Weights）
    return Weights

def bias_variable（shapelayer_name）:
    #定义一个shape形状的bias张量
    with tf.name_scope（layer_name + ‘_biases‘）:
        biases = tf.Variable（tf.constant（0.1 shape=shape）name=‘b‘）
    tf.histogram_summary（layer_name + ‘_biases‘ biases）
    return biases

def conv2d（x Wlayer_name）:
    #卷积计算函数
    # stride [1 x步长 y步长 1]
    # padding:SAME/FULL/VALID（边距处理方式）
    with tf.name_scope（layer_name + ‘_h_conv2d‘）:
        h_conv2d = tf.nn.conv2d（x W strides=[1 1 1 1] padding=‘SAME‘）
    return h_conv2d

def max_pool_2x2（xlayer_name）:
    # max池化函数
    # ksize [1 x边长 y边长1] 池化窗口大小
    # stride [1 x步长 y步长 1]
    # padding:SAME/FULL/VALID（边距处理方式）
    with tf.name_scope（layer_name + ‘_h_pool‘）:
        h_pool = tf.nn.max_pool（x ksize=[1221] strides=[1221] padding=‘SAME‘）
    return h_pool
def load_data（）:
    global feature
    global label
    global feature_full
    global label_full
    feature=[]
    label=[]
    feature_full=[]
    label_full=[]
    file_path =‘/home/peter/Desktop/pycharm/ids-kdd99/kddcup.data_10_percent_corrected_handled2.cvs‘
    with （open（file_path‘r‘）） as data_from:
        csv_reader=csv.reader（data_from）
        for i in csv_reader:
            # print i
            label_list=[0]*23
            feature.append（i[:36]）
            label_list[int（i[41]）]=1
            label.append（label_list）
            # print label
            # print feature
    file_path_full =‘/home/peter/Desktop/pycharm/ids-kdd99/kddcup.data.corrected_handled2.cvs‘
    with （open（file_path_full‘r‘）） as data_from_full:
        csv_reader_full=csv.reader（data_from_full）
        for j in csv_reader_full:
            # print i
            label_list_full=[0]*23
            feature_full.append（j[:36]）
            label_list_full[int（j[41]）]=1
            label_full.append（label_list_full）
if __name__  == ‘__main__‘:
    global feature
    global label
    global feature_full
    global label_full
    # load数据
    load_data（）
    feature_test = feature
    feature_train =feature_full
    label_test = label
    label_test_full = label_full
    # 定义用以输入的palceholder
    with tf.name_scope（‘inputs‘）:
        xs = tf.placeholder（tf.float32 [None 36]name=‘pic_data‘） # 6x6
        ys = tf.placeholder（tf.float32 [None 23]