在tensorflow中,变量(tf.Variable)的作用是保存和更新神经网络中的参数。
可在tensorflow中声明一个2*3,元素均值为0且标准差为2的矩阵变量(可通过mean参数指定平均值):
在神经网络中,偏置项(biases)通常是通过常数来设置初始值。
tensorflow也支持通过其他变量的初始值来初始化新的变量。
可在tensorflow中声明一个2*3,元素均值为0且标准差为2的矩阵变量(可通过mean参数指定平均值):
weights=tf.Variable(tf.random_normal[2,3],stddev=2)
在tensorflow中变量的初始值可以设置成随机数、常数或者是通过其他变量计算得到。
在神经网络中,偏置项(biases)通常是通过常数来设置初始值。
tensorflow也支持通过其他变量的初始值来初始化新的变量。
w2=tf.Variable(weights.initial_value())
import tensorflow as tf
#参数w1,w2
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))
w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1))
#特征向量
x=tf.constant([(0.7,0.9)])
#前向传播算法
a=tf.matmul(x,w1)
y=tf.matmul(a,w2)
sess=tf.Session()
sess.run(w1.initializer)#