TensorFlow 入门（二）——神经网络参数

、

神经网络参数与tensorflow变量

TensorFlow中的变量声明函数tf.Variable()，其中的一些生成函数如下：

随机数函数	分布	参数
tf.random_normal	正态分布	均值mean，标准差stddev，取值类型dtype
tf.truncated_normal	正态分布，若偏离均值两个标准差，重新生成	均值，标准差，取值类型
tf.random_uniform	均匀分布	最小值，最大值，取值类型

常数函数	功能	用法
tf.zeros	全0	tf.zeros([2,3])
tf.ones	全1	tf.ones([2,3])
tf.constant	指定常数	tf.constant([[1,2,3]])
tf.fill	产生一个全为给定数字的数组	tf.fill([2,3],9)

下面是一段实例：

w1 = tf.Variable(tf.random_normal((2,3),stddev=2,seed=1))#矩阵大小可用()
weights2 = tf.Variable(tf.random_normal([3,1],stddev=2,seed=1))
b = tf.Variable(tf.zeros([3]))#3为长度,即列数
w2 = tf.Variable(weights2.initialized_value())#变量间的赋值
x = tf.constant([[0.7, 0.9]])
a = tf.matmul(x, w1)#乘法函数
y = tf.matmul(a, w2)
with tf.Session() as sess:
    sess.run(w1.initializer)#变量先要初始化
    sess.run(w2.initializer)
    print(sess.run(y))

可以看到tensorflow允许用一个变量给另一个变量赋值（w2 = tf.Variable(weights2.initialized_value())）当然变量类型应一致
2.占位符

x = tf.placeholder(tf.float32, shape=[None, 2], name="input_x")
y_ = tf.placeholder(tf.float32, shape=[None, 1], name="y_input")

类型和维度必须有，name可选