欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

通过变量实现神经网络的参数并实现前向传播的过程

程序员文章站 2022-05-21 23:28:36
...

前向传播
1.前向传播的组成:(1)神经网络的输入(2)神经网络的连接结构(3)每个神经元中的参数
2.原理:给定神经网络的输入、神经网络的结构以及边上的权重,就可以通过前向传播算法来计算出神经网络的输出。
例子:

import tensorflow as tf  

#声明w1、w2两个变量。参数seed可以保证每次运行得到的结果是一样的。
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))
w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1))

x=tf.constant([[0.7,0.9]])

a=tf.matmul(x,w1)
y=tf.matmul(a,w2)

with tf.Session() as sess:
    sess.run(tf. global_variables_initializer())

    print(sess.run(y))

结果:
[[ 3.95757794]]

通过变量实现神经网络的参数并实现前向传播的过程