首先在这里向大家推荐mooc慕课网北京大学曹老师的TensorFlow笔记课程
地址为:https://www.icourse163.org/course/PKU-1002536002
首先问题描述
1 #两层简单神经网络(全连接) 2 import tensorflow 3 4 #定义输入 5 x=tensorflow.constant([[0.7,0.5]]) 6 7 #随机生成权重 8 w1=tensorflow.Variable(tensorflow.random_normal([2,3],stddev=1,seed=1)) 9 w2=tensorflow.Variable(tensorflow.random_normal([3,1],stddev=1,seed=1)) 10 11 #定义前向传播过程 12 a=tensorflow.matmul(x,w1) 13 y=tensorflow.matmul(a,w2) 14 15 #会话计算结果 16 with tensorflow.Session() as sess: 17 init_op=tensorflow.global_variables_initializer()#初始化 18 sess.run(init_op) 19 print(sess.run(y))#计算结果
结果为
[[3.0904665]]
tensorflow.random_uniform()#平均分布
Tensorflow.truncated_normal()#去掉过大偏离点的正态分布
1 #两层简单神经网络(全连接) 2 import tensorflow 3 4 #定义输入placeholder方便处理 5 x=tensorflow.placeholder(tensorflow.float32,shape=(1,2))#1行2列 6 7 #随机生成权重 8 w1=tensorflow.Variable(tensorflow.random_normal([2,3],stddev=1,seed=1)) 9 w2=tensorflow.Variable(tensorflow.random_normal([3,1],stddev=1,seed=1)) 10 11 #定义前向传播过程 12 a=tensorflow.matmul(x,w1) 13 y=tensorflow.matmul(a,w2) 14 15 #会话计算结果 16 with tensorflow.Session() as sess: 17 init_op=tensorflow.global_variables_initializer()#初始化 18 sess.run(init_op) 19 print(sess.run(y,feed_dict={x:[[0.7,0.5]]}))#喂入数据计算结果
这一次代码和上一个一样不过多了新东西,分别在第5行和19行
placeholder可以实现数据的批量喂入