tensorflow--forword（前向传播）

1、单独输入一组特征

import tensorflow as tf
#定义输入参数
x=tf.constant([[0.7,0.5]]) #俩列的特征
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) #俩行三列随机数组成的矩阵（标准差是1，随机种子是1）
w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) #三行一列的随机数组成的矩阵#定义前向传播
a=tf.matmul(x,w1) #矩阵计算
y=tf.matmul(a,w2) #矩阵计算
#用会话计算结果
with tf.Session() as sess:#初始化数据init_op=tf.global_variables_initializer()sess.run(init_op)print(sess.run(y))

2、使用placeholder（单组）

import tensorflow as tf
#定义输入参数
#用placeholder实现输入定义（sess.run()中喂入一组数据）
x=tf.placeholder(tf.float32,shape=(1,2)) #一行俩列的特征
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) #俩行三列随机数组成的矩阵（标准差是1，随机种子是1）
w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) #三行一列的随机数组成的矩阵#定义前向传播
a=tf.matmul(x,w1) #矩阵计算
y=tf.matmul(a,w2) #矩阵计算
#用会话计算结果
with tf.Session() as sess:#初始化数据init_op=tf.global_variables_initializer()sess.run(init_op)print(sess.run(y,feed_dict={x:[[0.7,0.5]]})) #定义喂入的一组数据print(sess.run(y))

3、喂入多组数据

import tensorflow as tf
#定义输入参数
#用placeholder实现输入定义（sess.run()中喂入多组数据）
x=tf.placeholder(tf.float32,shape=(None,2)) #俩列的特征，因为不知道具体喂入多少组，所以行数设置成None
w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) #俩行三列随机数组成的矩阵（标准差是1，随机种子是1）
w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) #三行一列的随机数组成的矩阵#定义前向传播
a=tf.matmul(x,w1) #矩阵计算
y=tf.matmul(a,w2) #矩阵计算
#用会话计算结果
with tf.Session() as sess:#初始化数据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],[0.3,0.4],[0.5,0,7]]}))  # 定义喂入的一组数据print(sess.run(w1))print(sess.run(w2))

tensorflow--forword（前向传播）相关推荐

【TensorFlow】——实现minist数据集分类的前向传播（常规神经网络非卷积神经网络）
目录一.常规神经网络模型二.TensorFlow实现前向传播步骤 1.读取数据集 2.batch划分 3.根据神经网络每一层的神经元个数来初始化参数w,b 4.进行每一层输入输出的计算 5.对每一 ...
TensorFlow神经网络（一）前向传播
####### 随机变量初始化 #正态分布,去掉种子点后,每次产生的随机数不一样 w = tf.Variable(tf.random_normal([2.3], stddev = 2, mean = ...
打造属于自己的TensorFlow(一)之SimpleFlow-计算图与前向传播
前段时间因为课题需要使用了一段时间TensorFlow,感觉这种框架很有意思,除了可以搭建复杂的神经网络,也可以优化其他自己需要的计算模型,所以一直想自己学习一下写一个类似的图计算框架.前几天组会开完 ...
【深度学习】(2) 数据加载，前向传播2，附python完整代码
生成数据集: tf.data.Dataset.from_tensor_slices(tensor变量) 创建一个数据集,其元素是给定张量的切片生成迭代器: next(iter()) next() 返 ...
【深度学习】(1) 前向传播，附python完整代码
各位同学大家好,今天和大家分享一下TensorFlow2.0深度学习中前向传播的推导过程,使用系统自带的mnist数据集. 1. 数据获取首先,我们导入需要用到的库文件和数据集.导入的x和y数据是数 ...
BP神经网络基础知识（前向传播和后向传播）
强烈推荐小白阅读: Python神经网络编程.pdf 链接: https://pan.baidu.com/s/1RkNfeNgT3Qtt_sEqRhw5Bg 提取码: 98ma 参考: 深度学习基础课 ...
自上而下解读ncnn系列（1）：加载param模型和bin文件前向传播
由于这段时间着手实现tensorflow到ncnn的转换,开发过程中对ncnn框架有了一定的认识,特此分享. 关于tensorflow2ncnn的具体细节和步骤,可以参考我的github: https ...
前向传播、反向传播(后向传播)、梯度下降、导数、链式法则
日萌社人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) 2.4 神经网络最优化过程 2.4.1 最优化(Optimiz ...
神经网络前向传播算法
神经网络可以通过输入的特征向量经过层层推导得到最终输出,并通过这些输出结果来解决分类或者回归问题.实际上,神经网络是采用前向传播算法实现层层推导的. 神经网络的前向传播结果需要三部分信息.第一,神经网 ...

tensorflow--forword（前向传播）

tensorflow--forword（前向传播）相关推荐

最新文章

热门文章