上图是神经网络的前向传播算法图,还是很简单的,将它写成矩阵形式:
1.隐藏层
2.输出层
3.在TensorFlow中这两个矩阵乘法的表达
a = tf.matmul(x, w1)
y = tf.matmul(a, w2)
4.下面是完整的代码
import tensorflow as tf
#声明w1,w2两个变量。通过seed参数设定了随机种子,保证每次运行结果一样
w1 = tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))
w2 = tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1))
#声明输入特征向量,x是一个1*2矩阵
x = tf.constant([[0.7, 0.9]])
#矩阵乘法,得到神经网络的输出
a = tf.matmul(x, w1)
y = tf.matmul(a, w2)
sess = tf.Session()
#初始化w1,w2
sess.run(w1.initializer)
sess.run(w2.initializer)
print(sess.run(y))#一切正常的话到这里会打印出[[3.95757794]]
sess.close()
还有一种便捷的方式进行变量的初始化,这样就不用对每个变量单独进行初始化了
init_op = tf.initialize_all_variables()
sess.run(init_op)