深度学习学习记录（六.神经网络）

本博客记录学习龙书的学习历程:

gtitub :https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book

向开源大神致敬！

1.感知机

2.全连接层

 2.1 用张量方式实现全连接层，要求：输入为2个样本，784维特征值，输出维256个特征。激活函数使用relu函数。

# 创建 W,b 张量
x = tf.random.normal([2,784])
w1 = tf.Variable(tf.random.truncated_normal([784, 256], stddev=0.1))
b1 = tf.Variable(tf.zeros([256]))
# 线性变换
o1 = tf.matmul(x,w1) + b1 
# 激活函数
o1 = tf.nn.relu(o1) 
o1

 

 运行，可见是一个（2，256）的输出。

2.2 使用层方式实现

x = tf.random.normal([4,28*28]) 
from    tensorflow.keras import  layers # 导入层模块 
# 创建全连接层，指定输出节点数和激活函数 
fc = layers.Dense(512, activation=tf.nn.relu)  
h1 = fc(x)  # 通过 fc 类实例完成一次全连接层的计算，返回输出张量

 

3.神经网络