tensorflow--forword（前向传播）

1、单独输入一组特征

import tensorflow as tf
#定义输入参数
x=tf.constant([[0.7,0.5]]) #俩列的特征
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) #俩行三列随机数组成的矩阵（标准差是1，随机种子是1）
w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) #三行一列的随机数组成的矩阵

#定义前向传播
a=tf.matmul(x,w1) #矩阵计算
y=tf.matmul(a,w2) #矩阵计算
#用会话计算结果
with tf.Session() as sess:
    #初始化数据
    init_op=tf.global_variables_initializer()
    sess.run(init_op)
    print(sess.run(y))

2、使用placeholder（单组）

import tensorflow as tf
#定义输入参数
#用placeholder实现输入定义（sess.run()中喂入一组数据）
x=tf.placeholder(tf.float32,shape=(1,2)) #一行俩列的特征
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) #俩行三列随机数组成的矩阵（标准差是1，随机种子是1）
w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) #三行一列的随机数组成的矩阵

#定义前向传播
a=tf.matmul(x,w1) #矩阵计算
y=tf.matmul(a,w2) #矩阵计算
#用会话计算结果
with tf.Session() as sess:
    #初始化数据
    init_op=tf.global_variables_initializer()
    sess.run(init_op)
    print(sess.run(y,feed_dict={x:[[0.7,0.5]]})) #定义喂入的一组数据
    print(sess.run(y))

3、喂入多组数据

import tensorflow as tf
#定义输入参数
#用placeholder实现输入定义（sess.run()中喂入多组数据）
x=tf.placeholder(tf.float32,shape=(None,2)) #俩列的特征，因为不知道具体喂入多少组，所以行数设置成None
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) #俩行三列随机数组成的矩阵（标准差是1，随机种子是1）
w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) #三行一列的随机数组成的矩阵

#定义前向传播
a=tf.matmul(x,w1) #矩阵计算
y=tf.matmul(a,w2) #矩阵计算
#用会话计算结果
with tf.Session() as sess:
    #初始化数据
    init_op=tf.global_variables_initializer()
    sess.run(init_op)
    print(sess.run(y, feed_dict={x: [[0.7, 0.5],[0.2,0.3],[0.3,0.4],[0.5,0,7]]}))  # 定义喂入的一组数据
    print(sess.run(w1))
    print(sess.run(w2))