环球ug开户：Tensorflow实现神经网络的前向流传

我们构想有一个神经网络，输入为两个input，中心有一个hidden layer，这个hiddenlayer当中有三个神经元，最后有一个output。

图例如下：

 

 

 

 在实现这个神经网络的前向流传之前，我们先弥补一下主要的知识。

一.权重w以及input的初始化

我们初始化权重w的方式为随机天生这些权重，一样平常可以使用这些随机天生的数据正好在正态分布的曲线上，这也是最相符天生相符自然规律的随机数天生方式：

import tensorflow as tf
#一样平常情况下神经网络上的参数是w的数列，固然我们一样平常使用随机数来天生这些参数
w=tf.Variable(tf.random_normal([2,3],stddev=2,mean=0,seed=1))
#其中stddev示意标准差，mean示意均值，【】示意随机天生正态分布的数值的shape

这样我们的权重就天生了，我们初始化input的方式有有以下几种，伪代码如下：

除了这种方式，我们还可以使用
tf.constant([1,2,3]),来天生指定数值
tf.zeros([2,3],int32),用来天生全零
tf.ones([2,3],int32)，同来天生全1
tf.fill([3,2],6),天生指定数值

下面我们编写一个仅有一个初始值input的神经网络，并行使tensorflow实现对其举行前向流传。由于初始值仅有一个，实现的方式一共有两种，我们来看看第一种：

二.神经网络的前向流传（仅具一个初始值，方式一）

import tensorflow as tf

x=tf.constant([[0.7,0.5]])#注重这里，写了两其中括号啊！
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))
w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1))

#然后界说向前流传的历程
a=tf.matmul(x,w1)
y=tf.matmul(a,w2)

#行使session盘算前向流传的效果
with tf.Session() as sess:
    init_op=tf.global_variables_initializer()
    sess.run(init_op)
    print(sess.run(y))#这里使用run（y）打印出效果，由于最后一个输出我们界说的是y

输出:

[[3.0904665]]

三.神经网络的前向流传（仅具一个初始值，方式二）

我们行使placeholder举行数据的初始化，赋值给input，使用placeholder既可以赋一个值，也可以赋多个值，这也是它很常见的缘故原由，代码如下：

import tensorflow as tf

x=tf.placeholder(tf.float32,shape=(1,2))
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))
w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1))

#同样地界说前向流传的历程
a=tf.matmul(x,w1)
y=tf.matmul(a,w2)

#行使session盘算前向流传的效果
with tf.Session() as sess:
    init_op=tf.global_variables_initializer()
    sess.run(init_op)
    print(sess.run(y,feed_dict={x:[[0.7,0.5]]}))#这里使用run（y）打印出效果，由于最后一个输出我们界说的是y

输出：

[[3.0904665]]

效果和方式一相同。接下来就可以对多个数据举行前向流传了，也是行使placeholder方式

四.神经网络的前向流传（多个初始值）

代码如下：

import tensorflow as tf

x=tf.placeholder(tf.float32,shape=(None,2))
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))
w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)

#同样地界说前向流传的历程
a=tf.matmul(x,w1)
y=tf.matmul(a,w2

#行使session盘算前向流传的效果
with tf.Session() as sess:
    init_op=tf.global_variables_initializer()
    sess.run(init_op)
    print(sess.run(y,feed_dict={x:[[0.7,0.5],[0.2,0.3],[0.5,0.5]]}))

输出：

[[3.0904665]
 [1.2236414]
 [2.5171587]]

完毕！看起来照样挺简朴的吧！tensorflow在工业界的应用照样十分普遍的，想要创业和在业界事情的同伙就可以好好领会一下了！

,

Allbet电脑版下载

欢迎进入Allbet电脑版下载（Allbet Game）：www.aLLbetgame.us，欧博官网是欧博集团的官方网站。欧博官网开放Allbet注册、Allbe代理、Allbet电脑客户端、Allbet手机版下载等业务。