TensorFlow 多层感知器

本文主要介绍使用TensorFlow对多层感知器（MLP）进行编程，其他内容参考：TensorFlow 学习目录。

目录

一、多层感知器MLP

---

一、多层感知器MLP

多层感知器不同于CNN，CNN提取的是局部特征，而且CNN训练的并不是feature，而是feature的特征过滤器，也就是Filter（Kernel），多层感知器隐藏层中的每一个神经元是上一层的全部神经元的权重配比，并不具有局部性，而是更加注重整体，所以相比于CNN，MLP的参数量是非常庞大的。在多层感知器这种结构下，H-ELM、ML-ELM对其进行训练的效果是比Back Propagation算法进行不断地迭代训练好很多的，而且更快，只要调一次参数，而BP算法要调到收敛，并需要注意过拟合。

import tensorflow as tf
import numpy as np
import get_Dataset

x_train, y_train, x_test, y_test