Tensorflow（二）- 实践一 - 三层神经网络

这篇结合一个三层神经网络完成多分类的例子来讲解tensorflow

创建图

首先创建神经网络中需要多次传入值的，X和Y，建立placeholder，由于不能确切知道一次minibatch传入的样本数多少，于是在矩阵大小定义时，第二维度为None。

def create_placeholders(n_x, n_y):
    X = tf.placeholder(tf.float32, [n_x, None])
    Y = tf.placeholder(tf.float32, [n_y, None])   
    return X, Y

初始化我们的参数

在上一篇中，我们是使用tf.Variable()来进行初始化的，而这里我们运用到的是tf.get_variable()。get_variable()创建的我们叫做共享变量，即这一套变量是不能被重复定义的，重复定义就会报错，除非在VarScope中进行reuse，而Variable()，就可以进行重复定义，系统会自动处理冲突。
这里我们用到了一个高级初始化API tf.contrib.layers.xavier_initializer()
https://www.tensorflow.org/api_docs/python/tf/contrib/layers/xavier_initializer
这里附上它的官方链接，这是一种带权重的初始化方法（Weight Initialization），具体原理在《深度神经网络优化（一）》中有提到就不细讲了。

def initialize_parameters(): 
    tf.set_random_seed(1) 
        
    W1 = tf.get_variable('W1', [25,12288], initializer = tf.contrib.layers.xavier_initializer(seed = 1))
    b1 = tf.get_variable('b1', [25,1], initializer = tf.zeros_initializer())
    W2 = tf.get_variable('W2', [12,25], initializer = tf.contrib.layers.xavier_initializer(seed = 1))
    b2 = tf.get_variable('b2'