import tensorflow as tf
# 这里通过numpy工具包生成模拟数据集
from numpy.random import RandomState
batch_size = 8
# 定义神经网络的参数
# 在tensorflow中,变量(tf.Variable) 的作用就是保存和更新神经网络中的参数,tensorflow中的变量需要指定初始值。
w1 = tf.Variable(tf.random_normal((2,3), stddev=1, seed=1))
w2 = tf.Variable(tf.random_normal((3,1), stddev=1, seed=1))
# tf.random_normal([2,3], stddev=1)会产生一个2x3的矩阵,矩阵中的元素均值为0(可以通过参数mean来指定,默认为0),标准差为1的随机数。
# 这里还通过seed参数设置了随机种子,这样可以保证每次运行得到的结果是一样的
x = tf.placeholder(tf.float32, shape=(None,2), name='x-input')
y = tf.placeholder(tf.float32, shape=(None,1), name='y-input')
# tensorflow提供了placehoder机制用于提供输入数据,placeholder相当于定义了一个位置,这个位置中的数据在程序运行时再指定。这样在程序中就不需要生成大量常量来提供输入数据,而只需要将数据通过placeholder传入tensorflow计算图。
# 在shape的一个维度上使用None可以方便使用不同的batch大小。在训练时需要把数据分成比较小的batch,但是在测试时,可以一次性使用全部的数据。
# 定义神经网络前向传播的过程
a = tf.matmul(x, w1)
y = tf.matmul(a
【TensorFlow】TensorFlow实现神经网络
最新推荐文章于 2024-08-14 08:15:12 发布