import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
#解决v1版本和v2版本不兼容的问题
x1=tf.placeholder(dtype=tf.float32)
x2=tf.placeholder(dtype=tf.float32) #可以利用向量(列表)储存数据简化代码
x3=tf.placeholder(dtype=tf.float32)
yTrain=tf.placeholder(dtype=tf.float32)
w1=tf.Variable(0.1,dtype=tf.float32)
w2=tf.Variable(0.1,dtype=tf.float32)
w3=tf.Variable(0.1,dtype=tf.float32)
n1=x1*w1
n2=x2*w2
n3=x3*w3
y=n1+n2+n3
loss=tf.abs(y-yTrain)
optimizer=tf.train.RMSPropOptimizer(0.001) #选择RMSProp优化器 0.001为学习率
train=optimizer.minimize(loss) #通过optimizer最小化loss变量
sess=tf.Session()
init = tf.compat.v1.global_variables_initializer()
sess.run(init)
for i in range(1000):
result=sess.run([train,x1,x2,x3,w1,w2,w3,y,yTrain,loss],feed_dict={x1:90,x2:80,x3:70,yTrain:85})
print(result)
result=sess.ru
关于神经网络print变量输出问题
最新推荐文章于 2024-04-21 09:30:57 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)