前向传播
一、参数
即线上的权重W,用变量表示,随机给初值。
1、w = tf.Variable(tf.random_normal([2,3], stddev=2, mean=0, seed=1))
- tf.random_normal():正太分布
- [2,3]:产生2*3矩阵
- stddev=2:标准差为2
- mean=0:均值为0
- seed=1:随机种子
w = tf.Variable(tf.random_normal([2,3], stddev=2, mean=0, seed=1, dtype=tf.float32, name=None))
print(w)
with tf.Session() as sess:
# tf.global_variables_initializer()添加节点用于初始化所有的变量(GraphKeys.VARIABLES)。
# 返回一个初始化所有全局变量的操作(Op)。在你构建完整个模型并在会话中加载模型后,运行这个节点。
# 函数中调用了 variable_initializer() 和 global_variables()
sess.run(tf.global_variables_initializer())
ov = sess.run(w)
plt.plot(ov)
plt.show()
运行结果:
<tf.Variable 'Variable:0' shape=(2, 3) dtype=float32_ref>
[[-1.6226364 2.9691975 0.13065875]
[-4.8854084 0.1984968 1.1824486 ]]
2、 tf.truncated_normal():
(1) 语法:
truncated_normal( shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
(2) 作用:
产生截断正态分布随机数,取值范围为 [ mean - 2 * stddev, mean + 2 * stddev ]
。
如果随机生成的数据,偏离平均值超过2个标准差,这个数据将重新生成。
(3) 参数说明:
参数 | 是否必选 |
---|