深度学习---三好学生各成绩所占权重问题（3）_c++评三好学生代码(1)

最新推荐文章于 2025-05-19 11:02:23 发布

2401_84181911

最新推荐文章于 2025-05-19 11:02:23 发布

阅读量222

点赞数 1

分类专栏：程序员文章标签：深度学习 c++ 人工智能

本文链接：https://blog.csdn.net/2401_84181911/article/details/138452485

版权

本文介绍了如何在神经网络中使用向量表示输入数据，通过TensorFlow实现模型简化，如使用`tf.placeholder`处理多维输入，以及如何调整隐藏层和输出层的计算以适应向量输入。作者强调了知识体系化的学习对于技术提升的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

n = x * w

y = tf.reduce_sum(n)

loss = tf.abs(y - yTrain)

optimizer = tf.compat.v1.train.RMSPropOptimizer(0.001)

train = optimizer.minimize(loss)

sess = tf.compat.v1.Session()

init = tf.compat.v1.global_variables_initializer()

sess.run(init)

for i in range(5000):
result = sess.run([train, x, w, y, yTrain, loss], feed_dict={x: [90, 80, 70], yTrain: 85})
print(result)

result = sess.run([train, x, w, y, yTrain, loss], feed_dict={x:[98, 95, 87], yTrain: 96})
print(result)


## **代码讲解**


        之前设计的神经网络模型中，把学生的德育、智育、体育3项分数分别对应x1、x2、x3这了个输入层的节点，这样本身没有问题，但是假设又增加了一个艺术分数， 那么就需要在输入层增加一个x4节点，在隐藏层对应的也要增加一个n4节点。也就是说，**输入数据改变时，即使整套逻辑没有变，也要去修改整个网络模型，比较麻烦。**


        另外，节点数多了也会让模型图看起来比较复杂。所以在通常的神经网络中，很多时候会把这种串的数据组织成一个**“向量”**来送入神经网络进行计算。这里的“向量”与数学几何中的向量概念稍有不同&#x

最低0.47元/天解锁文章