Tensorflow 框架搭建神经网络（三）

神经网络的参数： 是指神经元线上的权重 w， 用变量表示， 一般会先随机生成这些参数。生成参数的方法是让 w 等于 tf.Variable，把生成的方式写在括号里。神经网络中常用的生成随机数/数组的函数有：
tf.random_normal()                            生成正态分布随机数
tf.truncated_normal()                         生成去掉过大偏离点的正态分布随机数
tf.random_uniform()                           生成均匀分布随机数

tf.zeros	表示生成全 0 数组
tf.ones	表示生成全 1 数组
tf.fill	表示生成全定值数组
tf.constant	表示生成直接给定值的数组

# Copyright (c)2018, 东北大学软件学院学生
# All rightsreserved
# 文件名称：test.py
# 作   者：孔云
#问题描述：利用Tensorflow，实现前向传播过程
#coding:utf-8
#两层简单神经网络（全连接）
import tensorflow as tf
#定义输入和参数
x = tf.constant([[0.7, 0.5]])
w1= tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))
w2= tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1))
#定义前向传播过程，把每层输入乘以线上的权重 w，这样用矩阵乘法可以计算出输出 y
a = tf.matmul(x, w1)
y = tf.matmul(a, w2)
#用会话计算结果
with tf.Session() as sess:
    init_op = tf.global_variables_initializer() #初始化所有变量
    sess.run(init_op)
    print ("the result of y is:\n",sess.run(y))

运行结果如下：

注释：这是一个实现神经网络前向传播过程， 网络可以自动推理出输出 y 的值。

此外：①随机种子如果去掉每次生成的随机数将不一致。
          ②如果没有特殊要求标准差、 均值、 随机种子是可以不写的。