建造第一个神经网络

import tensorflow as tf
def add_layer(inputs,in_size,out_size,activation_function=None):#他有四个参数：输入值，输入的大小，输出的大小，激励函数(此处设置为None)
    Weights=tf.Variable(tf.random_normal([in_size,out_size]))#定义weights，biases；Weights 是一个in_size行，out_size列的随机变量矩阵。
    biases=tf.Variable(tf.zeros([1,out_size])+0.1)#机器学习中biases的推荐值不为0，所以我们在0向量的基础上加了0.1

    Wx_plus_b=tf.matmul(inputs,Weights)+biases#定义Wx_plus_b，即神经网络未激活的值。其中tf.matmul（）是矩阵的乘法
    if activation_function is None:
        outputs=Wx_plus_b #当激励函数为None时，输出就是当前的预测值Wx_plus_b
    else:
        outputs=activation_function(Wx_plus_b) #当激励函数不为None时，Wx_plus_b传到activation_function函数中得到输出。
    return outputs