TensorFlow学习笔记-权值和偏置值

权值和偏置值

• x = tf.placeholder(tf.float32,[None,784]) # 输入一个矩阵 ?*784
• W = tf.Variable(tf.zeros([784,10])) # 是一个784*10的矩阵
• b = tf.Variable(tf.zeros([10])) # 是一个1*10的矩阵
• c = tf.matmul(x,W)
• z = c + b
• prediction = tf.nn.softmax(z) # 使用softmax做激活函数

备注： c是一个?*10的矩阵，c[x][i] * b[i] = z[x][i]

举例说明：

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
x = tf.reshape(tf.constant([1.0,2.0,3.0,4.0]),[2,2])
W = tf.reshape(tf.constant([1.0,2.0,3.0,4.0,5.0,6.0]), [2,3])
b = tf.reshape(tf.constant([1.0,2.0,3.0]),[1,3])
# 创建一个简单的神经网络
c = tf.matmul(x,W)
z = c + b 
prediction = tf.nn.softmax(z)
with tf.Session() as sess:
    print(sess.run([x,W,b,c,z,prediction]))

输出：

[array([[1., 2.],
       [3., 4.]], dtype=float32), 
 array([[1., 2., 3.],
       [4., 5., 6.]], dtype=float32), 
 array([[1., 2., 3.]], dtype=float32), 
 array([[ 9., 12., 15.],
       [19., 26., 33.]], dtype=float32), 
 array([[10., 14., 18.],
       [20., 28., 36.]], dtype=float32), 
 array([[3.29320406e-04, 1.79802869e-02, 9.81690347e-01],
       [1.12497425e-07, 3.35350080e-04, 9.99664545e-01]], dtype=float32)]