#coding:utf-8
#两层简单神经网络(全连接)
#tensorflow学习笔记(北京大学) tf3_3.py 完全解析
#QQ群:476842922(欢迎加群讨论学习)
import tensorflow as tf
#表示生成正态分布随机数,形状两行三列,标准差是 2,均值是 0,随机种子是 1。
x = tf.constant([[0.7, 0.5]])#定义一个张量等于[1.0,2.0]
w1= tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1))# 生成正态分布随机数[2, 3]
w2= tf.Variable(tf.random_normal([3, 1], stddev=1, seed=1))# 生成正态分布随机数[3, 1]
#定义前向传播过程
a = tf.matmul(x, w1)#点积
y = tf.matmul(a, w2)#点积
#用会话计算结果
with tf.Session() as sess:
init_op = tf.global_variables_initializer()#变量初始化
sess.run(init_op)#计算
print"y in tf3_3.py is:\n",sess.run(y) #打印计算结果
'''
y in tf3_3.py is :
[[3.0904665]]
'''
√神经网络的实现过程:
1、准备数据集,提取特征,作为输入喂给神经网络(Neural Network,NN)
2、搭建 NN 结构,从输入到输出(先搭建计算图,再用会话执行)
( NN 前向传播算法 计算输出)
3、大量特征数据喂给 NN,迭代优化 NN 参数
( NN 反向传播算法 优化参数训练模型)
4、使用训练好的模型预测和分类
tensorflow学习笔记(北京大学) tf3_3.py 完全解析
最新推荐文章于 2018-11-14 22:07:39 发布