tensorflow之神经网络的搭建(1)

基于tensorflow的神经网络：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。    总之需要3个重要的信息（1、张量 2、计算图 3、会话）

1、张量：张量就是多维数组（列表），用“阶”表示张量的维度。

判断张量的阶数，可以通过右边的方括号数。比如

S=123，为0阶

V=[1,2,3] 为1阶张量，也叫向量，表示一个一维数组。

m = [[1,2,3],[4,5,6],[7,8,9]]为2阶张量，表示一个二维数组。也叫矩阵。

t = [[[...]]]为3阶

定义一个张量

import tensorflow as tf

a = tf.constant([1.0,2.0]) #定义一个一阶张量等于[1.0,2.0]

2、计算图：搭建神经网络的计算过程，是承载一个或多个计算节点的一张图，只搭建网络，不运算。

x1、x2表示输入，w1、w2分别表示x1到y和x2到y的权重,y=x1*w1+x2*w2。

用代码来描述上述的计算图：

import tensorflow as tf   #引入模块

x = tf.constant([[1.0,2.0]]) #定义一个2阶张量等于[[1.0,2.0]]---->一行两列

w = tf.constant([[3.0],[4.0]]) #定义一个2阶张量等于[[3.0],[4.0]]----->两行一列

y = tf.matmul(x,w)  #实现xw矩阵乘法

print y #打印出结果

3、会话：执行计算图中的节点运算。

with tf.Session() as sess:

    print sess.run(y)

 完整的tensorflow的nn代码如下：

注意：

1、在使用vim的时候，需要对vim进行相应的配置。（显示行号、一个tab键相当于4个空格）

然后在按:x保存推出。