实现了对变量的赋值,变量间的运算和sess的启动
import tensorflow as tf
#声明w1,w2两个变量,产生一个随机数的矩阵,stddev指标准差为2,通过seed参数设定随机种子
#这样可以保证每次运行得到的结果是一样的
w1 = tf.Variable(tf.random_normal([2,3],stddev = 1,seed = 1))
w2 = tf.Variable(tf.random_normal([3,1],stddev = 1,seed = 1))
#暂时将输入的特征向量定义为一个常量,注意这里x是一个1*2的矩阵
x = tf.constant([[0.7,0.9]])
#前向传播获得神经网络的输出
a = tf.matmul(x,w1)
y = tf.matmul(a,w2)
#开启会话Session,初始化w1,w2两个变量
#虽然在变量定义时给出了变量初始化的方法,但这个方法没有被真正运行
#tf.initialize_all_variables()可以初始化所有参数
sess = tf.Session()
sess.run(w1.initializer)
sess.run(w2.initializer)
#输出[[3.957578]]
print(sess.run(y))
sess.close