Tensorflow搭建神经网络——基于python实现

Tensorflow——搭建神经网络

 

• Tensorflow——搭建神经网络
  • 一、基本概念
  • 二、神经网络的参数
  • 三、神经网络的搭建
  • 四、前向传播
    • 第一层
    • 第二层
    • 前向传播过程的 tensorflow 描述：
    • 举例
  • 五、反向传播
  • 六、搭建神经网络的步骤
    • 完整实例

 

一、基本概念

基于Tensorflow的NN:用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。

张量：张量就是多维数组（列表），用“阶”表示张量的维度。

标量：0阶张量，表示一个单独的数。 例：S=123

向量：1阶张量，表示一个一维数组。 例：V=[1,2,3]

矩阵：2阶张量，表示一个二维数组，有i行j列个元素，每个元素可以用行号和列号共同 索引到。 例：m=[[1,2,3],[4,5,6],[7,8,9]]

实现Tensorflow的加法:

import tensorflow as tf
a = tf.constant([1.0,2.0])
b = tf.constant([3.0,4.0])
result = a+b
print(result)

运行结果：Tensor("add:0",shape=(2, ), dtype=float32)

意义：result是一个名称为add:0的张量，shape=(2.)表示一维数组长度为2，dtype=float32表示数据类型为浮点型。

计算图（Graph）:搭建神经网络的计算过程，是承载一个或多个计算节点的一张图，只搭建网络，不运算。

如果想执行运算，则需要用会话（Session)。

会话（Sessio