Tensorflow是谷歌发布的分布式数值运算框架,主要用于减少在实现神经网络的过程中那些令人感到痛苦的细节。
一、目标
编写一个实现表达式 h=sigmoid(W*x+b)。
W和x是矩阵,b是向量,*表示点积。sigmoid是一个非线性变换。
想深入了解它可看着篇博文https://blog.csdn.net/saltriver/article/details/57531963
二、代码实现
1、首先要用到Tensorflow还有矩阵运算,所以我们导入tensorflow和数学运算包numpy
import tensorflow as tf
import numpy as np
2、定义一个图对象和一个会话,稍后在这个对象上定义操作和变量
graph=tf.Graph()
session=tf.InteractiveSession(graph=graph)
(或者:graph=tf.get_default_graph())
3、我们需要定义一些张量,即x、W、b和h
x是占位符,没有初始值的,在执行时临时提供值
W和b是变量,是可变的
h是通过对x、W和b执行一些操作而产生的不可变张量
x=tf.placeholder(shap=[1,10],dtype=tf.float32,name=‘x’)
W=tf.Variable(tf.random_uniform(shape=[10,5],minval=-0.1,maxval=0.1,dtype=t