用tensorflow实现简单的全连接层网络

参考网上给的例程使用tensorflow实现了一个简单的全连接层网络的搭建。训练一个神经网络匹配二元函数。

步骤主要如下：

• 导入相应的包
• 定义添加层
• 准备训练数据
• 构建神经网络层
• 定义损失函数和训练优化使损失函数最小化
• 初始化变量，激活结构
• 迭代训练

1、首先导入相应的包，有tensorflow、numpy

import tensorflow as tf
import numpy as np

2.然后是定义添加层add_layer

def add_layer(inputs,in_size,out_size,activation_function=None):
    w = tf.Variable(tf.random_normal([in_size,out_size]))
    b = tf.Variable(tf.zeros([1,out_size])+0.1)
    f = tf.matmul(inputs,w)+b
    if activation_function is None:
        outputs = f
    else:
        outputs = activation_function(f)
    return outputs

用tf.Variable定义变量权重w和偏置量b，w定义为大小是输入尺寸X输出尺寸的矩阵，初始化为