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!
,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。
网友评论
最新评论
欧博亚洲欢迎进入欧博亚洲(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。追文好累呀!
@欧博allbet网址 欧博亚洲注册欢迎进入欧博亚洲注册(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。期待更精彩的剧情
@环球UG官方注册 欧博亚洲手机版下载欢迎进入欧博亚洲手机版下载(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。很不一般