深度学习Lecture 2 前向传播、Tensorflow及如何在Tensorflow里构建神经网络

一、前向传播

从左到右激活值的传播。就是越靠近输出层，层数越少。

二、如何使用TensorFlow进行神经网络的推理

考虑一个例子，考虑咖啡烹煮的时间（Duration)和温度(Celsius)

给定一个x设为含有两个数据的二维数组，输入为200摄氏度和17分钟。

第一层等于Dense(units=3, activation='sigmoid')

稠密第三层单元的激活值等于sigmoid创建一个隐藏层，这一层里里都有三个神经元在激活函数中，Dense就是这一层的名字。

最后，计算激活值a1。写成代码：

三、Tensorflow中的数据如何表示的

张量是什么：TensorFlow团队创建的一种数据类型，有效存储和执行矩阵运算。从技术上来讲，张量比矩阵更具有一般性，但是可以简单理解为就是矩阵。

Numpy和张量是可以互转的。

四、如何在tensorflow中构建神经网络

利用Sequential函数，将两层输入层连接在一起。