通过变量实现神经网络的参数并实现前向传播的过程
2017-11-24 16:33
357 查看
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:
结果:
[[ 3.95757794]]
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]]
相关文章推荐
- Andrew Ng机器学习笔记+Weka相关算法实现(三)神经网络和参数含义
- 调用存储过程,java中通过bboss persistent实现数据库存储过程的调用(位置变量绑定)
- 简单的前向传播模型实现(四层神经网络),菜鸟用于交流
- 【TensorFlow】神经网络参数与变量(四)
- Python 实现神经网络逆向传播算法(含详细注释)
- 跟着吴恩达学深度学习:用Scala实现神经网络-第三课:消除所有的可变变量,利用scanLeft将神经网络重构为函数式风格
- 神经网络参数和tensorflow变量
- 神经网络反向传播和学习过程
- 反向传播神经网络的简单实现
- 实例分析神经网络传播过程
- C++从零实现深度神经网络之二——前向传播和反向传播
- 深度学习笔记(二):简单神经网络,后向传播算法及实现
- 存储过程返回参数的方法(也是执行动态sql 实现列名成为变量的功能)
- Python神经网络代码实现流程(三):反向传播与梯度下降
- 神经网络的传播过程
- 神经网络前向后向传播推导及实现
- 深度学习基础(二):简单神经网络,后向传播算法及实现
- 实例分析神经网络传播过程
- 神经网络——前向传播算法的实现
- Implementing a Neural Network from Scratch in Python – An Introduction(通过python中的Scratch来实现神经网络--简介)