TensorFlow从头迈步W3.1--神经网络线性回归(附实例Demo)

1.Tensorflow的使用：先罗列，后操作

2.关于权重矩阵：

      a.定义每一层，就是定义 “这一层->这一层的前一层” 之间的“实线”

      b.定义这条连线就是定义权重和偏置

      c.权重是n1*n2的，其中n1是输入信号的个数(突触的个数)，n2是神经元个数

3.关于偏移值函数

Weights_L2= tf.Variable(tf.random_normal([10,1]))

biases_L2= tf.Variable(tf.zeros([1,1]))

Wx_plus_b_L2 = tf.matmul(L1,Weights_L2) +biases_L2

偏移值是对数值进行偏移所以行数等于输入的行数，列数等于1。

[[1,1,1],[2,2,2]]*T[4,5,6]=T[15,20] 偏移=T[0.1,0.1]

4.神经元的机制：

    神经元的多个神经突触接收多个不同的信号，并加强/减弱每个信号，处理之后输出一个结果：

4.编写神经层的步骤

a.定义权重矩阵，偏置矩阵

b.编写神经核接受信号函数(matmul函数)

c.编写神经核处理信号函数(激活函数)

---

中间层是定义神经元-神经元前一层 的“实线”

输出层是定义输出层->输出层前一层 的“实线”