通过placeholder实现前向传播算法

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：

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]]