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]]