import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 用于忽略级别2及以下的消息(1:提示,2:警告,3:错误)
import tensorflow as tf
import numpy as np
b = tf.Variable(tf.zeros([100])) # 生成一个100维的向量,初始化为0
w = tf.Variable(tf.random.uniform([784, 100], -1, 1)) # 生成一个784*100的矩阵,产生的值位于(-1,1)之间
# tf.random_uniform((6, 6), minval=low,maxval=high,dtype=tf.float32)))
# 返回6*6的矩阵,产生于low和high之间,产生的值是均匀分布的
x = tf.placeholder(dtype=tf.float32, shape=[100, 1])
# tf.placeholder(dtype,shape=None,name=None)
# placeholder()函数是在神经网络构建graph的时候在模型中的占位,
# 此时并没有把要输入的数据传入模型,它只会分配必要的内存。
# 等建立session,在会话中,运行模型的时候通过feed_dict()函数向占位符喂入数据。
relu = tf.nn.relu(tf.matmul(w, x) + b)
# relu线性整流函数,又称为修正线性单元
# tf.nn.relu()函数的作用是将:输入小于0的值幅值为0,输入大于0的值不变
# s = tf.compat.v1.Session()
with tf.compat.v1.Session() as f:
f.run(w.initializer)
f.run(b.initializer)
input = np.float32(np.random.randn(100, 1))
print(f.run(relu, feed_dict={x: input}))
tensorflow学习笔记之第一个tensorflow程序
最新推荐文章于 2024-06-29 17:55:53 发布