前言
为什么我们单独讲解一个tensorflow的张量(矩阵)运算了?因为神经网络原理其实就是矩阵的运算。如图所示,我们有三个神经元,两个输出。其实背后的计算不过是:
x和权重矩阵相乘
加上偏差值
激活函数
所以,学会矩阵运算,是实现神经网络的第一步。
矩阵相乘和相加
相乘
矩阵的相乘我们使用tf.matmul方法。
X = tf.Variable([[1.,1.,1.]])
W = tf.Variable([[-0.5,-0.2 ],
[-0.3, 0.4 ],
[-0.5, 0.2 ]])
XW =tf.matmul(X,W )
with tf.Session() as sess:
init = tf.global_variables_initializer()
sess.run(init)
print(sess.run(XW ))
# [[-1.29999995 0.40000001]]
相加
矩阵的加法很简单,就是用+即可完成。
b = tf.Variable([[ 0.1,0.2]])
XW =tf.Variable([[-1.3,0.4]])
Sum =XW+b</