tensorflow学习笔记——定义神经网络的一个隐藏层

描述

常见的神经网络，如前馈神经网络，BP神经网络，自动编码器等，参数一般是权重W，偏置b以及激活函数activation function。
在具体应用一个神经网络模型前，通过tensorflow提前定义一个神经网络的添加层是很容易，也是很有必要的

源代码

#coding:utf-8
#导入tensorflow模块
import tensorflow as tf

#定义一个添加层
def add_layer(inputs,in_size,out_size,activation_function = None):
    #初始化权重，一般是随机初始化
    Weights = tf.Variable(tf.random_normal([in_size,out_size]))
    #初始化偏置，一般会在0的基础上加0.1
    biases = tf.Variable(tf.zeros([1,out_size]) + 0.1)
    #计算Wx+b
    feature = tf.matmul(inputs,Weights) + biases

    #判断是否需要激活函数
    if activation_function is None:
        outputs = feature
    else:
        outputs = activation_function(feature)

    #输出激活后的隐特征
    return outputs