通过placeholder实现前向传播算法
2017-11-25 11:01
162 查看
placeholder
功能:提供input数据。
原理:Tensorflow通过其定义一个位置,这个位置中的数据在程序运行时再指定。
参数:(1)数据类型:必须被指定(2)数据维度:不一定要给出,但是给出可以降低出错概率。
例子:
结果:
[[-0.25289688]
[-0.13512348]
[-0.04631554]]
功能:提供input数据。
原理:Tensorflow通过其定义一个位置,这个位置中的数据在程序运行时再指定。
参数:(1)数据类型:必须被指定(2)数据维度:不一定要给出,但是给出可以降低出错概率。
例子:
import tensorflow as tf #定义变量 w1=tf.Variable(tf.random_normal([2,3],stddev=1)) w2=tf.Variable(tf.random_normal([3,1],stddev=1)) #定义placeholder作为存放输入数据的地方;参数shape不一定要定义,但是如果定义了,就会降低出错概率。 x=tf.placeholder(tf.float32,shape=(3,2),name="input") a=tf.matmul(x,w1) y=tf.matmul(a,w2) with tf.Session() as sess: init=tf.global_variables_initializer() sess.run(init) # placeholder需要提供一个对应的feed_dict;feed_dict是一个字典,在字典中需要给出每个用到placeholder的取值。 print(sess.run(y,feed_dict={x:[[0.7,0.9],[0.5,0.8],[0.3,0.6]]}))
结果:
[[-0.25289688]
[-0.13512348]
[-0.04631554]]
相关文章推荐
- 神经网络中的反向传播法算法推导及matlab代码实现
- 学习笔记(2)-标签传播算法伪代码实现
- 使用html页面实现简单的算法并通过百度网盘实现访问
- 通过分析 JDK 源代码研究 TreeMap 红黑树算法实现
- 神经网络——前向传播算法的实现
- (UWP)通过编写算法实现在地图中的渐变路径
- 通过分析 JDK 源代码研究 TreeMap 红黑树算法实现
- 通过分析 JDK 源代码研究 TreeMap 红黑树算法实现
- 通过分析 JDK 源代码研究 TreeMap 红黑树算法实现
- 深度学习基础(二):简单神经网络,后向传播算法及实现
- lpa标签传播算法解说及代码实现
- 社团检测之标签传播算法Python实现
- 标签传播算法(Label Propagation)及Python实现
- ASP中通过该日历算法实现的具体代码
- Java通过几种经典的算法来实现数组排序
- Python机器学习:通过scikit-learn实现集成算法
- 6.2Dijkstra算法——通过边实现松弛
- 通过分析 JDK 源代码研究 TreeMap 红黑树算法实现
- Python机器学习:通过scikit-learn实现集成算法
- 标签传播算法(Label Propagation)及Python实现