用Tensorflow构建一个神经网络

今天我们用Tensorflow构建图1所示的神经网络结构。

神经网络结构说明：

（1）输入层：300个含有一个特征的样本。

（2）隐藏层：含有一个隐藏层，隐藏层中有10个神经元节点。神经元节点的激活函数是：ReLU。

（3）输出层：一个神经元节点，没有激活函数。

图1:神经网络

实现代码如下：

#coding:utf-8
# 导入本次需要的模块
import tensorflow as tf
import numpy as np


'''
inputs：输入值
in_size：输入的大小
out_size：输出的大小
activation_function：激活函数
'''
# 构造添加一个神经层的函数
def add_layer(inputs,in_size,out_size,activation_function=None):
    # 定义weights为一个in_size行，out_size列的随机变量矩阵
    Weights = tf.Variable(tf.random_normal([in_size,out_size]))
    biases = tf.Variable(tf.zeros([1,out_size])) + 0.1
    Wx_plus_b = tf.matmul(inputs,Weights) + biases
    if activation_function is None:
        outputs = Wx_plus_b
    else:
        outputs = activation_function(Wx_plus_b)
    return outputs

#################导入数据