通过变量实现神经网络的参数并实现前向传播的过程

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]]