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