3.2前向传播

本文介绍了如何进行前向传播,以全连接神经网络为例,详细阐述了搭建模型和实现推理的过程。内容包括神经网络图的构建,变量初始化,使用`tf.global_variables_initializer()`在会话中进行初始化,通过`tf.placeholder`占位并在`sess.run`中喂入数据进行计算图节点的运算。文中给出了喂一组数据和多组数据的实例。
摘要由CSDN通过智能技术生成

前向传播:搭建模型,实现推理(以全连接网络为例)

例如:生产一批零件讲体积x1,和重量x2为特征输入NN,通过NN后输入一个数值。
神经网络图


变量初始化,计算图节点运算都要用会话(with结构)实现

with tf.Session() as sess:
    sess.run()

变量初始化:在sess.run函数中用tf.global_variables_initializer()

init_op=tf.global_variables_initializer()
sess.run(init_op)

计算图节点运算:在sess.run函数中写入带运算的节点

sess.run(y)

用tf.placeholder占位,在sess.run函数找那个用feed_dict喂数据

喂一组数据:

x=tf.placeholder(tf.float32,shape=(1,2))
sess.run(y,feed_dict={x:[[0.5,0.6]]})

喂多组数据:

x=tf.palceholder(tf.float32,shape=(None,2)
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