(Tensorflow之二)张量、会话、向前传播

一、张量
张量本身只是一个计算的过程,不会存储结果;例如:
a = tf.constant(30)
b = tf.constant(20)
c = a + b
print(c)
结果:Tensor(“add:0”, shape=(), dtype=int32)

二、会 话(session)
前面所说的张量只是一个过程,若要获得计算结果,则需创建会话,运行张量的流程:
sess = tf.Session()
d = sess.run(c)
print(d)
结果:50

三、向前传播

import tensorflowas tf

#输入层(设有3个输入变量1x3)
in_layer = tf.random_normal([1,3],mean=-1, stddev=4)

#设定输入层到隐含层随机权重(设隐含层有3个神经元3x3)
in_to_hd_w1 = tf.Variable(tf.random_normal([3,3],mean=-1, stddev=4))

#隐含层3个神经元的值(1x3)
hd_layer = tf.matmul(in_layer,in_to_hd_w1)

#隐含层到输出层随机权重(3x1)
hd_to_out_w2 = tf.Variable(tf.random_normal([3,1],mean=-1, stddev=4))

#仅有一个输出值(1x1)
out_layer = tf.matmul(hd_layer,hd_to_out_w2)

sess = tf.Session()

#注:变量必须要有初始值,in_to_hd_w1与in_to_hd_w2需初始话
sess.run(in_to_hd_w1.initializer);
sess.run(hd_to_out_w2.initializer);

#输出值
print(sess.run(out_layer))
  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值