tensorflow-2day简单两层神经网络（全连接）

首先在这里向大家推荐mooc慕课网北京大学曹老师的TensorFlow笔记课程

地址为：https://www.icourse163.org/course/PKU-1002536002

首先问题描述

#两层简单神经网络（全连接）
import tensorflow

#定义输入
x=tensorflow.constant([[0.7,0.5]])

#随机生成权重
w1=tensorflow.Variable(tensorflow.random_normal([2,3],stddev=1,seed=1))
w2=tensorflow.Variable(tensorflow.random_normal([3,1],stddev=1,seed=1))

#定义前向传播过程
a=tensorflow.matmul(x,w1)
y=tensorflow.matmul(a,w2)

#会话计算结果
with tensorflow.Session() as sess:
    init_op=tensorflow.global_variables_initializer()#初始化
    sess.run(init_op)
    print(sess.run(y))#计算结果

结果为

[[3.0904665]]

tensorflow.random_uniform()#平均分布
Tensorflow.truncated_normal()#去掉过大偏离点的正态分布

#两层简单神经网络（全连接）
import tensorflow

#定义输入placeholder方便处理
x=tensorflow.placeholder(tensorflow.float32,shape=(1,2))#1行2列

#随机生成权重
w1=tensorflow.Variable(tensorflow.random_normal([2,3],stddev=1,seed=1))
w2=tensorflow.Variable(tensorflow.random_normal([3,1],stddev=1,seed=1))

#定义前向传播过程
a=tensorflow.matmul(x,w1)
y=tensorflow.matmul(a,w2)

#会话计算结果
with tensorflow.Session() as sess:
    init_op=tensorflow.global_variables_initializer()#初始化
    sess.run(init_op)
    print(sess.run(y,feed_dict={x:[[0.7,0.5]]}))#喂入数据计算结果

这一次代码和上一个一样不过多了新东西，分别在第5行和19行

placeholder可以实现数据的批量喂入