tensorflow学习笔记之第一个tensorflow程序

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}))